典型文献
两阶段目标类指引的行人检测对抗补丁生成算法
文献摘要：
针对缘于深度学习模型脆弱性的对抗样本攻击这一国内外热门研究课题,以无人驾驶等实际应用为背景,探讨了针对Yolo-v2行人检测系统的对抗攻击方法;基于Yolo-v2对行人目标的预测置信度和分类概率,提出基于两阶段目标类指引的行人检测对抗补丁生成算法.创新性地提出了目标类指引的攻击策略,通过先后实施目标类指引的对抗补丁生成和对抗补丁增强,有效引导了对抗补丁在训练生成过程中的收敛方向,以此逐步提升对抗补丁攻击行人检测系统的能力;在Inria数据集上实现了79个目标类指引的对抗补丁生成训练与测试.结果表明,算法以"teddy bear"为目标类生成了攻击效果最佳的对抗补丁,行人检测交并比(IOU)指标可达0.0435,显著优于对照算法的0.2448.
文献关键词：
深度学习;对抗样本;对抗补丁;物体检测
中图分类号：
作者姓名：
杨弋鋆;邵文泽;邓海松;葛琦;李海波
作者机构：
南京邮电大学 通信与信息工程学院,南京210003;南京理工大学 高维信息智能感知与系统教育部重点实验室,南京210094;南京审计大学 统计与数据科学学院,南京211815
文献出处：
引用格式：
[1]杨弋鋆;邵文泽;邓海松;葛琦;李海波-.两阶段目标类指引的行人检测对抗补丁生成算法)[J].重庆邮电大学学报（自然科学版）,2022(04):565-575
A类：
对抗补丁,teddy
B类：
两阶段,类指,行人检测,生成算法,缘于,深度学习模型,脆弱性,对抗样本攻击,研究课题,无人驾驶,Yolo,v2,对抗攻击,攻击方法,置信度,攻击策略,实施目标,有效引导,生成过程,Inria,bear,交并比,IOU,照算,物体检测
AB值：
0.263723
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
