基于差分进化的双重对抗伪装:欺骗人眼与目标检测器
计算机视觉与模式识别
2023-01-03 v3 人工智能
摘要
近期研究揭示,基于深度神经网络(DNN)的目标检测器易受以图像添加扰动形式的对抗攻击,导致检测器输出错误。现有多数工作聚焦于生成扰动图像(亦称对抗样本)以欺骗目标检测器。尽管生成的对抗样本本身可保持一定自然性,其中多数仍易被人类肉眼察觉,限制了其在现实世界的进一步应用。为缓解该问题,我们提出一种基于差分进化的双重对抗伪装(DE_DAC)方法,由两阶段组成以同时欺骗人眼与目标检测器。具体而言,我们尝试获得可渲染于物体表面的伪装纹理。第一阶段,我们优化全局纹理以最小化渲染物体与场景图像间差异,使人眼难以分辨。第二阶段,我们设计三种损失函数优化局部纹理,使目标检测器失效。此外,我们引入差分进化算法搜索物体的近最优攻击区域,在特定攻击面积限制下提升对抗性能。我们亦研究了可适应环境自适应 DE_DAC 的性能。实验表明,所提方法在多种特定场景与物体下能在欺骗人眼与目标检测器间取得良好权衡。
引用
@article{arxiv.2210.08870,
title = {Differential Evolution based Dual Adversarial Camouflage: Fooling Human Eyes and Object Detectors},
author = {Jialiang Sun and Tingsong Jiang and Wen Yao and Donghua Wang and Xiaoqian Chen},
journal= {arXiv preprint arXiv:2210.08870},
year = {2023}
}