VerifIoU：目标检测对扰动的鲁棒性
计算机视觉与模式识别
2025-10-31 v2 人工智能
神经与进化计算
摘要
我们引入了一种新颖的区间界传播（Interval Bound Propagation, IBP）方法，用于目标检测模型的形式化验证，特别是针对交并比（Intersection over Union, IoU）指标。该方法已在一个名为 IBP IoU 的开源代码中实现，与流行的基于抽象解释的验证工具兼容。由此产生的验证器在着陆进近跑道检测和手写数字识别案例研究上进行了评估。与基线（Vanilla IBP IoU）的比较突显了 IBP IoU 在确保准确性和稳定性方面的优越性能，有助于构建更安全、更鲁棒的机器学习应用。
引用
@article{arxiv.2403.08788,
title = {VerifIoU -- Robustness of Object Detection to Perturbations},
author = {Noémie Cohen and Mélanie Ducoffe and Ryma Boumazouza and Christophe Gabreau and Claire Pagetti and Xavier Pucel and Audrey Galametz},
journal= {arXiv preprint arXiv:2403.08788},
year = {2025}
}
备注
44th Digital Avionics Systems Conference (DASC), Sep 2025, Montreal, Canada