STA：针对孪生网络跟踪器的对抗攻击
计算机视觉与模式识别
2019-09-10 v1
摘要
近来，大多数视觉跟踪器采用卷积神经网络（Convolutional Neural Network, CNN）作为骨干网络以获得高跟踪精度。然而，包括孪生网络在内的 CNN 所带来的潜在对抗威胁却较少受到关注。本文中，我们首先分析了孪生网络跟踪器中存在的漏洞，并提出了成功对抗攻击所需满足的要求。在此基础上，我们将对抗样本生成问题形式化，并提出一种端到端流程，为导致跟踪器失效的 3D 物体生成扰动纹理图。最后，我们进行了充分的实验以验证算法的有效性。实验结果表明，我们的算法生成的对抗样本能成功降低受害跟踪器的跟踪精度，甚至使其发生漂移。据我们所知，这是首个在视觉跟踪器上生成 3D 对抗样本的工作。
引用
@article{arxiv.1909.03413,
title = {STA: Adversarial Attacks on Siamese Trackers},
author = {Xugang Wu and Xiaoping Wang and Xu Zhou and Songlei Jian},
journal= {arXiv preprint arXiv:1909.03413},
year = {2019}
}