論文の概要: Adversarial Patch Camouflage against Aerial Detection

• arxiv url: http://arxiv.org/abs/2008.13671v1
• Date: Mon, 31 Aug 2020 15:21:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 06:34:36.359795
• Title: Adversarial Patch Camouflage against Aerial Detection
• Title（参考訳）: 対空検知に対する対向パッチカモフラージュ
• Authors: Ajaya Adhikari, Richard den Hollander, Ioannis Tolios, Michael van Bekkum, Anneloes Bal, Stijn Hendriks, Maarten Kruithof, Dennis Gross, Nils Jansen, Guillermo P\'erez, Kit Buurman, Stephan Raaijmakers
• Abstract要約: 深層学習に基づく物体検出装置をドローンの監視映像に適用することにより、地上の軍事資産の検出を行うことができる。 本研究では,無人航空監視のユースケースに対して,パッチベースの敵攻撃を適用した。 以上の結果から,敵パッチ攻撃は従来のカモフラージュ活動の代替となる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 2.3268622345249796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detection of military assets on the ground can be performed by applying deep learning-based object detectors on drone surveillance footage. The traditional way of hiding military assets from sight is camouflage, for example by using camouflage nets. However, large assets like planes or vessels are difficult to conceal by means of traditional camouflage nets. An alternative type of camouflage is the direct misleading of automatic object detectors. Recently, it has been observed that small adversarial changes applied to images of the object can produce erroneous output by deep learning-based detectors. In particular, adversarial attacks have been successfully demonstrated to prohibit person detections in images, requiring a patch with a specific pattern held up in front of the person, thereby essentially camouflaging the person for the detector. Research into this type of patch attacks is still limited and several questions related to the optimal patch configuration remain open. This work makes two contributions. First, we apply patch-based adversarial attacks for the use case of unmanned aerial surveillance, where the patch is laid on top of large military assets, camouflaging them from automatic detectors running over the imagery. The patch can prevent automatic detection of the whole object while only covering a small part of it. Second, we perform several experiments with different patch configurations, varying their size, position, number and saliency. Our results show that adversarial patch attacks form a realistic alternative to traditional camouflage activities, and should therefore be considered in the automated analysis of aerial surveillance imagery.
• Abstract（参考訳）: 深層学習に基づく物体検出装置をドローンの監視映像に適用することにより、地上の軍事資産の検出を行うことができる。 軍事資産を目視から隠す伝統的な方法はカモフラージュであり、例えばカモフラージュ網を用いている。 しかし、飛行機や船舶のような大きな資産は伝統的なカモフラージュ網によって隠すのが難しい。 別のタイプのカモフラージュは、自動物体検出器の直接的誤解である。 近年,物体の画像に印加される小さな対角変化は,深層学習に基づく検出器による誤出力を生じさせることが明らかとなった。 特に、敵対的な攻撃は、画像中の人物の検出を禁止し、人物の前に特定のパターンが保持されているパッチが必要となり、検知器の人物をカモフラージュすることに成功した。 この種のパッチ攻撃の研究はまだ限られており、最適なパッチ構成に関するいくつかの質問は未解決のままである。 この作品には2つの貢献がある。 まず,大規模な軍事資産の上にパッチを配置し,画像上を自動検出装置からカモフラージュする無人航空機監視の用途に対して,パッチベースの敵攻撃を適用する。 パッチは、小さな部分だけをカバーしながら、オブジェクト全体の自動検出を防止することができる。 第2に,パッチ構成の異なる複数の実験を行い,そのサイズ,位置,数,塩分を変化させた。 以上の結果から,敵パッチ攻撃は従来のカモフラージュ活動の代替であり,航空監視画像の自動解析において考慮すべきであると考えられる。

関連論文リスト

• Adversarial Camera Patch: An Effective and Robust Physical-World Attack on Object Detectors [0.0]
  研究者たちはパッチベースの物理的攻撃を探求していますが、従来のアプローチは効果的ですが、多くの場合、ターゲットオブジェクトをカバーする顕著なパッチが発生します。 近年、カメラベースの物理的攻撃が出現し、カメラパッチを活用してステルス攻撃を実行している。 この問題に対処するために,ADCP (Adversarial Camera Patch) を提案する。
  論文  参考訳（メタデータ） (2023-12-11T06:56:50Z)
• CamoFormer: Masked Separable Attention for Camouflaged Object Detection [94.2870722866853]
  カモフラージュされた物体検出のための単純なマスク付き分離型注意(MSA)を提案する。 まず,マルチヘッド・セルフアテンションを3つの部分に分割し,異なるマスキング戦略を用いて,背景からカモフラージュした物体を識別する役割を担っている。 提案手法では,MSAを用いた単純なトップダウンデコーダを用いて,高精度なセグメンテーション結果を得るために,高分解能なセグメンテーション表現を段階的にキャプチャする。
  論文  参考訳（メタデータ） (2022-12-10T10:03:27Z)
• The Weaknesses of Adversarial Camouflage in Overhead Imagery [7.724233098666892]
  バス、車、トラック、バンの4つの異なるクラスを偽装するために、24の反対パッチからなるライブラリを構築します。 敵のパッチは、オブジェクト検出器を騙すかもしれないが、そのようなパッチの存在は、しばしば容易に明らかである。 これにより、このようなパッチが本当にカモフラージュを構成するかどうかという疑問が持ち上がる。
  論文  参考訳（メタデータ） (2022-07-06T20:39:21Z)
• Towards Deeper Understanding of Camouflaged Object Detection [64.81987999832032]
  バイナリセグメンテーション設定は、カモフラージュの概念を完全に理解できない。 そこで本研究では,カモフラージュされたオブジェクトの局所化,セグメント化,ランク付けを同時に行う3段階学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-23T14:26:18Z)
• Developing Imperceptible Adversarial Patches to Camouflage Military Assets From Computer Vision Enabled Technologies [0.0]
  畳み込みニューラルネットワーク(CNN)は、オブジェクト検出の急速な進歩と高いレベルの成功を示している。 最近の証拠は敵の攻撃に対する脆弱性を浮き彫りにした。 本稿では、大規模な軍事資産を模倣することのできる、知覚不能なパッチを生成するユニークな方法を提案する。
  論文  参考訳（メタデータ） (2022-02-17T20:31:51Z)
• ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding Attacks via Patch-agnostic Masking [95.6347501381882]
  物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。 我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
  論文  参考訳（メタデータ） (2022-02-03T19:34:25Z)
• Segment and Complete: Defending Object Detectors against Adversarial Patch Attacks with Robust Patch Detection [142.24869736769432]
  敵のパッチ攻撃は最先端の物体検出器に深刻な脅威をもたらす。 パッチ攻撃に対して物体検出器を防御するフレームワークであるSegment and Complete Defense (SAC)を提案する。 SACは、物理的パッチ攻撃の標的攻撃成功率を著しく低減できることを示す。
  論文  参考訳（メタデータ） (2021-12-08T19:18:48Z)
• You Cannot Easily Catch Me: A Low-Detectable Adversarial Patch for Object Detectors [12.946967210071032]
  敵対的パッチは、顔認識システム、監視システム、自動運転車を騙すことができる。 既存のほとんどの敵パッチは、敵パッチ検出器によって外され、無効化され、拒否される。 本稿では,テクスチャに一貫性のある対向パッチで物体検出器を攻撃する新しい手法,低検出可能な対向パッチを提案する。
  論文  参考訳（メタデータ） (2021-09-30T14:47:29Z)
• The Translucent Patch: A Physical and Universal Attack on Object Detectors [48.31712758860241]
  最先端の物体検出器を馬鹿にする非接触の物理パッチを提案する。 パッチの主な目標は、選択されたターゲットクラスのすべてのインスタンスを隠すことです。 我々のパッチは、すべてのストップサインインスタンスの42.27%の検出を阻止できた。
  論文  参考訳（メタデータ） (2020-12-23T07:47:13Z)
• Dynamic Adversarial Patch for Evading Object Detection Models [47.32228513808444]
  本研究では,実環境に適用したオブジェクト検出器に対する革新的な攻撃手法を提案する。 本手法では,対象物体上の複数の所定位置に配置される動的対向パッチを用いる。 対象オブジェクトと分類のセマンティック距離を考慮したパッチを生成することで攻撃を改善した。
  論文  参考訳（メタデータ） (2020-10-25T08:55:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。