面向视觉目标跟踪的高效对抗攻击
计算机视觉与模式识别
2020-08-04 v1 机器学习
图像与视频处理
摘要
视觉目标跟踪是一项重要任务，要求跟踪器快速且准确地找到目标。现有的最先进目标跟踪器，即基于 Siamese 的跟踪器，使用 DNN 来获得高准确率。然而，视觉跟踪模型的鲁棒性很少被探究。本文中，我们分析基于 Siamese 网络的物体跟踪器的弱点，并将对抗样本扩展到视觉目标跟踪。我们提出一个端到端网络 FAN（Fast Attack Network，快速攻击网络），其使用一种新颖的漂移损失与嵌入特征损失相结合来攻击基于 Siamese 网络的跟踪器。在单个 GPU 下，FAN 训练速度快且具有很强的攻击性能。FAN 可在 10ms 内生成对抗样本，实现有效的目标攻击（在 OTB 上至少 40% 的下降率）和非目标攻击（在 OTB 上至少 70% 的下降率）。
引用
@article{arxiv.2008.00217,
title = {Efficient Adversarial Attacks for Visual Object Tracking},
author = {Siyuan Liang and Xingxing Wei and Siyuan Yao and Xiaochun Cao},
journal= {arXiv preprint arXiv:2008.00217},
year = {2020}
}