图像与视频中定向非线性对抗扰动
计算机视觉与模式识别
2018-09-05 v1
摘要
我们引入了一种学习针对单个图像或视频的对抗扰动的方法。所学习的扰动被发现有稀疏特性，同时包含高水平的特征细节。因此，提取出的扰动允许一种目标或动作识别形式，并揭示了所研究的深度神经网络模型在做出分类决策时认为重要的特征。从对抗的角度来看，这些稀疏扰动成功地将模型误导至错误分类，尽管受扰动样本在视觉检查上仍属于同一原始类别。这一点在一种前瞻性的数据增强方案背景下进行了讨论。这些稀疏而高质量的扰动也可被用于图像或视频压缩。
引用
@article{arxiv.1809.00958,
title = {Targeted Nonlinear Adversarial Perturbations in Images and Videos},
author = {Roberto Rey-de-Castro and Herschel Rabitz},
journal= {arXiv preprint arXiv:1809.00958},
year = {2018}
}
备注
Code and data available at: https://github.com/roberto1648/adversarial-perturbations-on-images-and-videos