FROD：免计算开销的鲁棒目标检测
计算机视觉与模式识别
2023-08-04 v1
摘要
目标检测是计算机视觉中的一项重要任务，并已成为众多关键系统的组成部分。然而，最先进的目标检测器与其分类对应物类似，易受微小对抗扰动影响，这些扰动可显著改变其正常行为。与分类不同，目标检测器的鲁棒性尚未被充分探索。本工作中，我们通过利用对抗训练的分类模型，迈出了弥合分类与目标检测鲁棒性差距的第一步。仅将对抗训练模型用作目标检测骨干网络并不能带来鲁棒性。我们提出对基于分类的骨干网络进行有效修改，以在不产生任何计算开销的情况下赋予目标检测鲁棒性。为进一步提升所提改进骨干网络达成的鲁棒性，我们引入两个轻量组件：模仿损失与延迟对抗训练。在 MS-COCO 与 Pascal VOC 数据集上的大量实验证明了我们所提方法的有效性。
引用
@article{arxiv.2308.01888,
title = {FROD: Robust Object Detection for Free},
author = {Muhammad and Awais and Weiming and Zhuang and Lingjuan and Lyu and Sung-Ho and Bae},
journal= {arXiv preprint arXiv:2308.01888},
year = {2023}
}