【论文阅读】Dynamic Adversarial Patch for Evading Object Detection Models

一、介绍

这篇文章主要是针对目标检测框架的攻击,不同于现有的攻击方法,该论文主要的侧重点是考虑视角的变化问题,通过在车上布置多个显示器,利用视角动态选择哪一个显示器播放攻击内容,通过这种方法达到隐蔽与攻击的兼顾。

二、方法

文章的威胁模型假定攻击者对被攻击的模型有完全的了解,即白盒攻击。攻击分为两种情况:物体静止相机移动和物体移动相机静止。理想情况应该是有一个外部设备来实时确定被攻击者与攻击者的位置关系,但是这里为了简化实验,选择的是由实验者控制相机和攻击车辆的位置关系。

攻击的方法依然遵循原来的套路,采用叠加扰动并使模型性能下降的方法。这里选择的被攻击模型是YOLOV2,训练时手动标记显示器的位置并叠加图像,为了考虑到现实场景下的变化,作者在叠加图像的过程中随机给图像增加了亮度和对比度上的调整。

损失函数部分,考虑到目标检测模型实际上存在两个关键的指标:包围框和类别。这里作者设计了三种损失项:类别、物体以及交叉项。类别是只考虑类别损失,增大预测的类别与真实值之间的差异,同时作者还增加了一个语义类别,简单来说就是尽量不让车被误识别为自行车、卡车,而是被误识别为道路、树木等杂七杂八的东西。

物体项则是尽量降低目标检测结果的"置信度"这一项指标,当置信度过低时模型会认为该物体是错误的,从而直接过滤掉这一物体。

除此之外,作者也引入了平滑度的项,用于优化攻击的内容,减小瞩目性。

作者并没有使用显示器的NPS损失,最后的优化函数只包含两个损失项:

相关推荐
s1ckrain4 小时前
【论文阅读】ON THE ROLE OF ATTENTION HEADS IN LARGE LANGUAGE MODEL SAFETY
论文阅读·人工智能·语言模型·大模型安全
Jackilina_Stone4 小时前
【论文|复现】YOLOFuse:面向多模态目标检测的双流融合框架
人工智能·python·目标检测·计算机视觉·融合
UQI-LIUWJ9 小时前
论文笔记:Tuning Language Models by Proxy
论文阅读·人工智能·语言模型
AndrewHZ12 小时前
【图像处理基石】如何对遥感图像进行目标检测?
图像处理·人工智能·pytorch·目标检测·遥感图像·小目标检测·旋转目标检测
lxmyzzs1 天前
【打怪升级 - 03】YOLO11/YOLO12/YOLOv10/YOLOv8 完全指南:从理论到代码实战,新手入门必看教程
人工智能·神经网络·yolo·目标检测·计算机视觉
Coovally AI模型快速验证1 天前
数据集分享 | 智慧农业实战数据集精选
人工智能·算法·目标检测·机器学习·计算机视觉·目标跟踪·无人机
钟屿1 天前
Multiscale Structure Guided Diffusion for Image Deblurring 论文阅读
论文阅读·图像处理·人工智能·深度学习·计算机视觉
张较瘦_1 天前
[论文阅读] 人工智能 + 软件工程 | NoCode-bench:评估LLM无代码功能添加能力的新基准
论文阅读·人工智能·软件工程
Coovally AI模型快速验证1 天前
避开算力坑!无人机桥梁检测场景下YOLO模型选型指南
人工智能·深度学习·yolo·计算机视觉·目标跟踪·无人机
Blossom.1182 天前
基于深度学习的图像分类:使用DenseNet实现高效分类
人工智能·深度学习·目标检测·机器学习·分类·数据挖掘·迁移学习