利用频率注意力增强对抗补丁对人检测器的攻击效力
计算机视觉与模式识别
2022-05-12 v2
摘要
深度神经网络（DNNs）易受对抗攻击。特别地，目标检测器可能通过在图像上施加特定对抗补丁而受到攻击。然而，由于补丁在预处理中缩小，大多数现有采用对抗补丁攻击目标检测器的方法会降低对小目标和中等目标的攻击成功率。本文提出频率模块（FRAN），一种用于引导补丁生成的频域注意力模块。这是首项引入频域注意力来优化对抗补丁攻击能力的研究。我们的方法在攻击 YOLOv3 而不降低大目标攻击成功率的同时，相较于欺骗行人检测器的最先进攻击方法，将小目标和中等目标的攻击成功率分别提升了 4.18% 和 3.89%。
引用
@article{arxiv.2205.04638,
title = {Using Frequency Attention to Make Adversarial Patch Powerful Against Person Detector},
author = {Xiaochun Lei and Chang Lu and Zetao Jiang and Zhaoting Gong and Xiang Cai and Linjun Lu},
journal= {arXiv preprint arXiv:2205.04638},
year = {2022}
}
备注
10pages, 4 figures