FAILED
首站-论文投稿智能助手
典型文献
面向目标检测的对抗样本综述
文献摘要:
目标检测是一种广泛应用于工业控制和航空航天等安全攸关场景的重要技术.随着深度学习在目标检测领域的应用,检测精度得到较大提升,但由于深度学习固有的脆弱性,使得基于深度学习的目标检测技术的可靠性和安全性面临新的挑战.本文对面向目标检测的对抗样本生成及防御的研究分析和总结,致力于为增强目标检测模型的鲁棒性和提出更好的防御策略提供思路.首先,介绍对抗样本的概念、产生原因以及目标检测领域对抗样本生成常用的评价指标和数据集.然后,根据对抗样本生成的扰动范围将攻击分为全局扰动攻击和局部扰动攻击,并在此分类基础上,分别从攻击的目标检测器类型、损失函数设计等方面对目标检测的对抗样本生成方法进行分析和总结,通过实验对比了几种典型目标检测对抗攻击方法的性能,同时比较了这几种方法的跨模型迁移攻击能力.此外,本文对目前目标检测领域常用的对抗防御策略进行了分析和归纳.最后,总结了目标检测领域对抗样本的生成及防御面临的挑战,并对未来发展方向做出展望.
文献关键词:
目标检测;对抗样本;深度学习;对抗防御;全局扰动;局部扰动
作者姓名:
袁珑;李秀梅;潘振雄;孙军梅;肖蕾
作者机构:
杭州师范大学信息科学与技术学院,杭州 311121;福建省软件评测工程技术研究中心,厦门 361024
引用格式:
[1]袁珑;李秀梅;潘振雄;孙军梅;肖蕾-.面向目标检测的对抗样本综述)[J].中国图象图形学报,2022(10):2873-2896
A类:
B类:
面向目标,工业控制,航空航天,攸关,检测领域,检测精度,脆弱性,对抗样本生成,目标检测模型,防御策略,产生原因,领域对抗,全局扰动,局部扰动,目标检测器,损失函数,生成方法,实验对比,对抗攻击,攻击方法,几种方法,模型迁移,攻击能力,对抗防御,出展
AB值:
0.270095
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。