用于机器生成对抗图像的恰可察觉差分
图像与视频处理
2020-01-31 v1 计算机视觉与模式识别
摘要
设计鲁棒机器学习算法的一种方法是生成尽可能欺骗算法的真实对抗图像。在本研究中，我们提出了一种生成与真实图像非常相似、但被模型从原始图像中区分出来并归入另一类别的对抗图像的新方法。该方法基于实验心理学中一个流行的概念，称为恰可察觉差分（Just Noticeable Difference）。我们定义了机器学习模型的恰可察觉差分，并生成可欺骗模型的最小可感知差分对抗图像。所提出的模型通过梯度下降法迭代地扭曲真实图像，直到机器学习算法输出错误标签。深度神经网络被训练用于目标检测和分类任务。代价函数包含正则化项，以生成模型可检测的恰可察觉差分对抗图像。与最先进的对抗图像生成器的输出相比，本研究中生成的对抗图像看起来更自然。
引用
@article{arxiv.2001.11064,
title = {Just Noticeable Difference for Machines to Generate Adversarial Images},
author = {Adil Kaan Akan and Mehmet Ali Genc and Fatos T. Yarman Vural},
journal= {arXiv preprint arXiv:2001.11064},
year = {2020}
}
备注
5 pages, 4 figures, submitted to ICIP2020