基于纹理与形状的俯瞰图像车辆检测对抗攻击
计算机视觉与模式识别
2025-09-10 v2
摘要
检测空中图像中的车辆由于复杂背景、小目标尺寸、阴影和遮挡而困难。尽管近期深度学习技术的进步提高了目标检测性能，但这些模型仍然容易受到对抗攻击（AAs）的威胁，这挑战了其可靠性。传统的AAs策略常常忽视实际实施约束。我们的工作提出了针对纹理（降低分辨率、限制修改区域和颜色范围）和形状修改的实际且可行的约束，并分析了形状修改对攻击性能的影响。我们针对三种目标检测网络架构进行了大量实验，展示了性能与可行性之间的权衡：更可行的修改往往更不有效，反之亦然。我们在 https://github.com/humansensinglab/texture-shape-adversarial-attacks 上发布了代码和数据，以支持可重复性研究。
引用
@article{arxiv.2412.16358,
title = {Texture- and Shape-based Adversarial Attacks for Overhead Image Vehicle Detection},
author = {Mikael Yeghiazaryan and Sai Abhishek Siddhartha Namburu and Emily Kim and Stanislav Panev and Celso de Melo and Fernando De la Torre and Jessica K. Hodgins},
journal= {arXiv preprint arXiv:2412.16358},
year = {2025}
}
备注
This version corresponds to the paper accepted for presentation at ICIP 2025