EdgeFool：一种对抗性图像增强滤波器
机器学习
2020-03-06 v2 计算机视觉与模式识别
机器学习
摘要
对抗样本是故意扰动以误导分类器的图像。然而，当使用高频空间扰动时，这些图像可轻易通过去噪算法检测；或当扰动较大时，可被人类察觉。本文中，我们提出 EdgeFool，一种学习结构感知对抗扰动的对抗性图像增强滤波器。EdgeFool 通过端到端训练一个全卷积神经网络并采用多任务损失函数，生成具有增强图像细节扰动的对抗图像。该损失函数同时考虑图像细节增强与类别误导目标。我们在三个分类器（ResNet-50、ResNet-18 和 AlexNet）上使用两个数据集（ImageNet 和 Private-Places365）评估 EdgeFool，并与六种对抗方法（DeepFool、SparseFool、Carlini-Wagner、SemanticAdv、Non-targeted 和 Private Fast Gradient Sign Methods）进行比较。代码见 https://github.com/smartcameras/EdgeFool.git。
引用
@article{arxiv.1910.12227,
title = {EdgeFool: An Adversarial Image Enhancement Filter},
author = {Ali Shahin Shamsabadi and Changjae Oh and Andrea Cavallaro},
journal= {arXiv preprint arXiv:1910.12227},
year = {2020}
}