面向行人重识别的元生成攻击
计算机视觉与模式识别
2023-01-18 v1
摘要
对抗攻击近来在行人重识别中得到了研究。这些攻击在跨数据集或跨模型设定下表现良好。然而，跨数据集跨模型场景中的挑战使这些模型无法达到相近的准确率。为此，我们提出以在不同模型间及跨数据集下实现更好可迁移性为目标的本方法。我们生成掩码以在跨模型下获得更好性能，并使用元学习在具挑战的跨数据集跨模型设定中提升泛化性。在 Market-1501、DukeMTMC-reID 与 MSMT-17 上的实验展示了相较于其他攻击的有利结果。
引用
@article{arxiv.2301.06286,
title = {Meta Generative Attack on Person Reidentification},
author = {A V Subramanyam},
journal= {arXiv preprint arXiv:2301.06286},
year = {2023}
}