目标检测深度神经网络的形式化验证
计算机视觉与模式识别
2024-11-19 v5
摘要
深度神经网络（Deep Neural Networks, DNNs）在实际应用中广泛使用，但仍然易受到错误和对抗性攻击。形式化验证提供了系统性地识别和缓解这些漏洞的途径，增强模型的鲁棒性和可靠性。虽然大多数现有验证方法专注于图像分类模型，但本工作将形式化验证扩展到更复杂的对象检测领域。我们提出了一种验证该类模型鲁棒性的公式化方法，并展示了如何将原为分类开发的前沿验证工具适用于此目的。我们的实验在 various 数据集和网络上进行，凸显了形式化验证发现对象检测模型漏洞的能力，进而凸显了将验证工作扩展到此领域的必要性。本工作为进一步研究形式化验证在更广泛计算机视觉应用中的可能性奠定了基础。
引用
@article{arxiv.2407.01295,
title = {Formal Verification of Deep Neural Networks for Object Detection},
author = {Yizhak Y. Elboher and Avraham Raviv and Yael Leibovich Weiss and Omer Cohen and Roy Assa and Guy Katz and Hillel Kugler},
journal= {arXiv preprint arXiv:2407.01295},
year = {2024}
}