論文の概要: RPATTACK: Refined Patch Attack on General Object Detectors
- arxiv url: http://arxiv.org/abs/2103.12469v1
- Date: Tue, 23 Mar 2021 11:45:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-24 21:50:39.989876
- Title: RPATTACK: Refined Patch Attack on General Object Detectors
- Title(参考訳): RPATTACK: 汎用オブジェクト検出器に対するパッチ攻撃の修正
- Authors: Hao Huang, Yongtao Wang, Zhaoyu Chen, Zhi Tang, Wenqiang Zhang and
Kai-Kuang Ma
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 31.28929190510979
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Nowadays, general object detectors like YOLO and Faster R-CNN as well as
their variants are widely exploited in many applications. Many works have
revealed that these detectors are extremely vulnerable to adversarial patch
attacks. The perturbed regions generated by previous patch-based attack works
on object detectors are very large which are not necessary for attacking and
perceptible for human eyes. To generate much less but more efficient
perturbation, we propose a novel patch-based method for attacking general
object detectors. Firstly, we propose a patch selection and refining scheme to
find the pixels which have the greatest importance for attack and remove the
inconsequential perturbations gradually. Then, for a stable ensemble attack, we
balance the gradients of detectors to avoid over-optimizing one of them during
the training phase. Our RPAttack can achieve an amazing missed detection rate
of 100% for both Yolo v4 and Faster R-CNN while only modifies 0.32% pixels on
VOC 2007 test set. Our code is available at
https://github.com/VDIGPKU/RPAttack.
- Abstract(参考訳): 今日では、YOLOやFaster R-CNNのような一般的な物体検出器やその変種は、多くのアプリケーションで広く利用されている。
多くの研究により、これらの検出器は敵対的なパッチ攻撃に対して極めて脆弱であることが判明した。
以前のパッチベースの物体検出装置に対する攻撃によって生じる摂動領域は非常に大きく、人間の目にとって攻撃には必要ない。
より少ないがより効率的な摂動を生成するために,汎用物体検出器を攻撃するためのパッチベース手法を提案する。
まず,不連続な摂動を徐々に取り除き,攻撃に最も重要となる画素を見つけるためのパッチ選択と精細化手法を提案する。
安定なアンサンブル攻撃では、検知器の勾配のバランスを保ち、トレーニングフェーズ中に過度に最適化されるのを避ける。
我々のRPAttackは、2007年のVOCテストセットで0.32%のピクセルだけを修正しながら、Yolo v4とFaster R-CNNの両方で100%の見逃し検出率を達成することができる。
私たちのコードはhttps://github.com/VDIGPKU/RPAttack.comで公開されています。
関連論文リスト
- I Don't Know You, But I Can Catch You: Real-Time Defense against Diverse Adversarial Patches for Object Detectors [12.790316371521477]
我々は,高い一般化,堅牢性,効率性を備えた,敵パッチ検出の革新的なモデルである textitNutNet を提案する。
本手法は, HA と AA の既存手法よりも 2.4 倍, 4.7 倍高い平均防御性能を示す。
論文 参考訳(メタデータ) (2024-06-12T09:16:19Z) - Fewer is More: Efficient Object Detection in Large Aerial Images [59.683235514193505]
本稿では,検出者がより少ないパッチに注目するのに対して,より効率的な推論とより正確な結果を得るのに役立つObjectness Activation Network(OAN)を提案する。
OANを用いて、5つの検出器は3つの大規模な空中画像データセットで30.0%以上のスピードアップを取得する。
我々はOANをドライブシーン物体検出と4Kビデオ物体検出に拡張し,検出速度をそれぞれ112.1%,75.0%向上させた。
論文 参考訳(メタデータ) (2022-12-26T12:49:47Z) - 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) - Using Frequency Attention to Make Adversarial Patch Powerful Against
Person Detector [2.5766957676786006]
本稿では、パッチ生成を誘導する周波数領域アテンションモジュールである周波数モジュール(FRAN)を提案する。
本手法は, 現状の攻撃方法に対して, 小中ターゲットの攻撃成功率を4.18%, 中ターゲットの攻撃成功率3.89%向上させる。
論文 参考訳(メタデータ) (2022-05-10T02:54:23Z) - 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) - Sparse Adversarial Attack to Object Detection [0.8702432681310401]
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。
論文 参考訳(メタデータ) (2020-12-26T07:52:28Z) - 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) - 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。
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。