Fugu-MT 論文翻訳(概要): Sparse Adversarial Attack to Object Detection

論文の概要: Sparse Adversarial Attack to Object Detection

arxiv url: http://arxiv.org/abs/2012.13692v1
Date: Sat, 26 Dec 2020 07:52:28 GMT
ステータス: 処理完了
システム内更新日: 2021-04-25 01:10:29.018562
Title: Sparse Adversarial Attack to Object Detection
Title（参考訳）: オブジェクト検出に対するsparse adversarial attack
Authors: Jiayu Bao
Abstract要約: 本研究では, 対人攻撃(Sparse Adversarial Attack, SAA)を提案する。 YOLOv4とFasterRCNNの実験結果から,本手法の有効性が明らかになった。
参考スコア（独自算出の注目度）: 0.8702432681310401
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Adversarial examples have gained tons of attention in recent years. Many adversarial attacks have been proposed to attack image classifiers, but few work shift attention to object detectors. In this paper, we propose Sparse Adversarial Attack (SAA) which enables adversaries to perform effective evasion attack on detectors with bounded \emph{l$_{0}$} norm perturbation. We select the fragile position of the image and designed evasion loss function for the task. Experiment results on YOLOv4 and FasterRCNN reveal the effectiveness of our method. In addition, our SAA shows great transferability across different detectors in the black-box attack setting. Codes are available at \emph{https://github.com/THUrssq/Tianchi04}.
Abstract（参考訳）: 敵対的な例は近年多くの注目を集めている。画像分類器を攻撃するために多くの敵攻撃が提案されているが、対象検出器に注意を向ける作業はほとんどない。本稿では,Sparse Adversarial Attack (SAA)を提案する。画像の脆弱な位置を選択し,タスクの回避損失関数を設計した。 YOLOv4とFasterRCNNの実験結果から,本手法の有効性が明らかになった。さらに、我々のSAAはブラックボックス攻撃設定で異なる検出器間で大きな伝達性を示す。コードは \emph{https://github.com/thurssq/tianchi04} で入手できる。

関連論文リスト

X-Detect: Explainable Adversarial Patch Detection for Object Detectors in Retail [38.10544338096162]
既存の物体検出器に対する対向攻撃検出手法では、新たな実生活攻撃の検出が困難であった。本稿では,X-Detectについて述べる。X-Detect,X-Detect,X-Detect,X-Detect,X-Detect,X-Detect,X-Detect。 X-Detectは、オブジェクト抽出、シーン操作、特徴変換技術を利用する、説明可能な設計毎の検出器のアンサンブルを使用する。
論文参考訳（メタデータ） (2023-06-14T10:35:21Z)
Object-fabrication Targeted Attack for Object Detection [54.10697546734503]
物体検出の敵攻撃は標的攻撃と未標的攻撃を含む。新たなオブジェクトファブリケーションターゲット攻撃モードは、特定のターゲットラベルを持つ追加の偽オブジェクトをファブリケートする検出器を誤解させる可能性がある。
論文参考訳（メタデータ） (2022-12-13T08:42:39Z)
Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
論文参考訳（メタデータ） (2022-07-20T19:49:09Z)
Parallel Rectangle Flip Attack: A Query-based Black-box Attack against Object Detection [89.08832589750003]
本稿では,攻撃領域近傍の準最適検出を回避するために,ランダム探索による並列矩形フリップ攻撃(PRFA)を提案する。提案手法は, アンカーベースやアンカーフリーなど, 様々な人気物体検出装置を効果的かつ効率的に攻撃し, 転送可能な対向例を生成する。
論文参考訳（メタデータ） (2022-01-22T06:00:17Z)
Context-Aware Transfer Attacks for Object Detection [51.65308857232767]
本稿では,オブジェクト検出のためのコンテキスト認識攻撃を新たに生成する手法を提案する。オブジェクトとその相対的な位置と大きさの共起をコンテキスト情報として利用することにより、ターゲットの誤分類攻撃をうまく生成できることを示す。
論文参考訳（メタデータ） (2021-12-06T18:26:39Z)
IoU Attack: Towards Temporally Coherent Black-Box Adversarial Attack for Visual Object Tracking [70.14487738649373]
アドリア攻撃は、深いニューラルネットワークが、知覚不能な摂動によって注入された入力サンプルを知覚する脆弱性によって起こる。視覚的物体追跡のための決定に基づくブラックボックス攻撃法を提案する。我々は、最先端のディープトラッカーに対するIoU攻撃を検証した。
論文参考訳（メタデータ） (2021-03-27T16:20:32Z)
RPATTACK: Refined Patch Attack on General Object Detectors [31.28929190510979]
汎用物体検出器を攻撃する新しいパッチベースの手法を提案する。私たちの RPAttack は、Yolo v4 と Faster R-CNN の両方で、驚異的なミス検出率 100% を達成できます。
論文参考訳（メタデータ） (2021-03-23T11:45:41Z)
Fast Local Attack: Generating Local Adversarial Examples for Object Detectors [38.813947369401525]
本研究では,高レベルなセマンティック情報を利用して,アンカーフリー物体検出器の高攻撃的局所摂動を生成する。その結果、計算集約性が低下し、より高いブラックボックス攻撃と攻撃性能が達成される。提案手法で生成した逆例は, アンカーフリー物体検出器を攻撃できるだけでなく, アンカーベース物体検出器を攻撃できる。
論文参考訳（メタデータ） (2020-10-27T13:49:36Z)
DPAttack: Diffused Patch Attacks against Universal Object Detection [66.026630370248]
対象検出に対する敵対攻撃は、全画素攻撃とパッチ攻撃の2つのカテゴリに分けられる。小惑星や格子状形状の拡散パッチを用いて物体検出装置を騙すための拡散パッチ攻撃(textbfDPAttack)を提案する。実験の結果、我々のDPAttackは拡散パッチでほとんどの物体検出器を騙すことに成功した。
論文参考訳（メタデータ） (2020-10-16T04:48:24Z)

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。