CN114168940B 针对车辆目标检测模型的对抗补丁攻击方法 （中国人民解放军军事科学院国防科技创新研究院）_第1页
CN114168940B 针对车辆目标检测模型的对抗补丁攻击方法 （中国人民解放军军事科学院国防科技创新研究院）_第2页
CN114168940B 针对车辆目标检测模型的对抗补丁攻击方法 （中国人民解放军军事科学院国防科技创新研究院）_第3页
CN114168940B 针对车辆目标检测模型的对抗补丁攻击方法 （中国人民解放军军事科学院国防科技创新研究院）_第4页
CN114168940B 针对车辆目标检测模型的对抗补丁攻击方法 （中国人民解放军军事科学院国防科技创新研究院）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

针对车辆目标检测模型的对抗补丁攻击方法本发明公开了一种针对车辆目标检测模型有对抗补丁的图像数据集传递至车辆目标检测2S5：将所述粘贴有对抗补丁的图像数据集传递3选定的粘贴区域为所述车辆目标检测模型中检测框在所述图像数据集的4度神经网络)的对抗攻击根据模型任务不同可分为针对分类模型的对抗攻击和针对检测模型的对抗攻击。基于分类模型的对抗攻击是通过对原始干净图像样本添加微小扰动使得预训练模型不能对其正确分类，基于目标检测模型的对抗攻击是通过在图像样本上添加扰动 方法较为复杂，因为其攻击形式(补丁)在物理世界中更容易被制造出来，因此引发的安全方面行人在现实生活中引发的安全性问题更加严重，例如自动驾驶领域、金融系统人脸识动驾驶领域，另一个很重要的要素是同在道路上行驶的车辆目标，而现有的针对目标检测模型的对抗补丁攻击没有以车辆为目标展开研究。5域为所述车辆目标检测模型中检测框在所述图像数据6素值；所述像素间变化优化损失函数反映优化后的所述对抗补丁相邻像素间变化值总和，[0029]Ldet=λLcls+γLobj公式五[0037]此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部7际上最大的自动驾驶场景下的计算机视觉算法评测数据集，互联网收集的数据集与KITTI[0048]adv_batch＝torch.nn.functional.grid_sample(input,grid,mode＝'bilinear',padding_mode＝'zeros')8[0063]Ldet=λLcls+γLobj公式五[0072]具体地，在通过测试图像集对抗补丁对车辆目标检测模型的攻击效果进行测试9以对前述各实施例所记载的技术方案进行修改

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论