面向无锚框目标检测的可迁移对抗样本
计算机视觉与模式识别
2021-06-07 v2
摘要
深度神经网络已被证明易受对抗攻击：细微的扰动即可完全改变预测结果。这一脆弱性引发了该方向研究的激增，包括对目标检测网络的对抗攻击。然而，以往研究致力于攻击基于锚框的目标检测器。本文首次提出针对无锚框目标检测器的对抗攻击。该方法对目标检测器实施类别级（而非以往的实例级）攻击，并利用高层语义信息高效生成可迁移的对抗样本，这些样本也可迁移用于攻击其他目标检测器，甚至包括 Faster R-CNN 等基于锚框的检测器。在两个基准数据集上的实验结果表明，我们提出的方法达到了最先进的性能与可迁移性。
引用
@article{arxiv.2106.01618,
title = {Transferable Adversarial Examples for Anchor Free Object Detection},
author = {Quanyu Liao and Xin Wang and Bin Kong and Siwei Lyu and Bin Zhu and Youbing Yin and Qi Song and Xi Wu},
journal= {arXiv preprint arXiv:2106.01618},
year = {2021}
}
备注
Accepted as oral in ICME 2021