评估文档图像分类的对抗鲁棒性
计算机视觉与模式识别
2023-05-03 v2 人工智能
摘要
近年来，对抗攻击与防御在计算机视觉系统上受到越来越多的关注，但迄今为止，大多数研究仅限于自然图像。然而，许多人工智能模型实际处理的是文档数据，其与真实世界图像差异很大。因此，在本工作中，我们试图将对抗攻击思想应用于文档与自然数据，并保护模型免受此类攻击。我们的工作聚焦于无目标基于梯度、基于迁移和基于分数的攻击，并评估对抗训练、JPEG 输入压缩和灰度输入变换对 ResNet50 与 EfficientNetB0 模型架构鲁棒性的影响。据我们所知，学界尚未开展此类工作以研究这些攻击对文档图像分类任务的影响。
引用
@article{arxiv.2304.12486,
title = {Evaluating Adversarial Robustness on Document Image Classification},
author = {Timothée Fronteau and Arnaud Paran and Aymen Shabou},
journal= {arXiv preprint arXiv:2304.12486},
year = {2023}
}
备注
The 17th International Conference on Document Analysis and Recognition