論文の概要: Network transferability of adversarial patches in real-time object detection
- arxiv url: http://arxiv.org/abs/2408.15833v1
- Date: Wed, 28 Aug 2024 14:47:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-29 15:40:56.150796
- Title: Network transferability of adversarial patches in real-time object detection
- Title(参考訳): リアルタイム物体検出における逆パッチのネットワーク転送可能性
- Authors: Jens Bayer, Stefan Becker, David Münch, Michael Arens,
- Abstract要約: コンピュータビジョンにおける逆パッチは、ディープニューラルネットワークを騙し、意思決定プロセスを操作するために使用することができる。
本稿では,多数のオブジェクト検出器アーキテクチャ間の転送可能性について検討する。
- 参考スコア(独自算出の注目度): 3.237380113935023
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Adversarial patches in computer vision can be used, to fool deep neural networks and manipulate their decision-making process. One of the most prominent examples of adversarial patches are evasion attacks for object detectors. By covering parts of objects of interest, these patches suppress the detections and thus make the target object 'invisible' to the object detector. Since these patches are usually optimized on a specific network with a specific train dataset, the transferability across multiple networks and datasets is not given. This paper addresses these issues and investigates the transferability across numerous object detector architectures. Our extensive evaluation across various models on two distinct datasets indicates that patches optimized with larger models provide better network transferability than patches that are optimized with smaller models.
- Abstract(参考訳): コンピュータビジョンの逆パッチを使用して、ディープニューラルネットワークを騙し、意思決定プロセスを操作することができる。
敵パッチの最も顕著な例の1つは、物体検出器の回避攻撃である。
対象物の一部を覆うことにより、これらのパッチは検出を抑え、対象物が対象物検出器に「見えない」ようにする。
これらのパッチは、通常、特定のトレインデータセットを持つ特定のネットワークに最適化されるため、複数のネットワークとデータセット間の転送性は与えられない。
本稿では,これらの問題に対処し,多数のオブジェクト検出器アーキテクチャ間の転送可能性について検討する。
2つの異なるデータセット上の様々なモデルに対する広範な評価は、より大きなモデルで最適化されたパッチが、より小さなモデルで最適化されたパッチよりも優れたネットワーク転送可能性を提供することを示している。
関連論文リスト
- The Importance of Anti-Aliasing in Tiny Object Detection [0.0]
本稿では,小さな物体検出に対するアンチエイリアスのための既存のWaveCNetを適用した。
We modified the original WaveCNet to apply Wavelet Pooling layer, effectively suppressing aliasing。
また,背骨の底面重みのあるバージョンを提案し,小型物体検出の性能をさらに向上させる。
論文 参考訳(メタデータ) (2023-10-22T08:02:01Z) - 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) - Detection Hub: Unifying Object Detection Datasets via Query Adaptation
on Language Embedding [137.3719377780593]
新しいデザイン(De Detection Hubという名前)は、データセット認識とカテゴリ整列である。
データセットの不整合を緩和し、検出器が複数のデータセットをまたいで学習するための一貫性のあるガイダンスを提供する。
データセット間のカテゴリは、ワンホットなカテゴリ表現を単語埋め込みに置き換えることで、意味的に統一された空間に整列される。
論文 参考訳(メタデータ) (2022-06-07T17:59:44Z) - High-resolution Iterative Feedback Network for Camouflaged Object
Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。
エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。
我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文 参考訳(メタデータ) (2022-03-22T11:20:21Z) - GiraffeDet: A Heavy-Neck Paradigm for Object Detection [13.476168814994862]
本稿では,高速物体検出のための新しいヘビーネックパラダイムであるGiraffeDetを提案する。
GiraffeDetは、非常に軽量なバックボーンと、非常に深くて大きなネックモジュールを使っている。
GiraffeDetは、リソース制約の幅広い範囲で、従来のSOTAモデルより一貫して優れている。
論文 参考訳(メタデータ) (2022-02-09T03:23:49Z) - Decoupled Adaptation for Cross-Domain Object Detection [69.5852335091519]
クロスドメインオブジェクト検出は、オブジェクト分類よりも難しい。
D-adaptは4つのクロスドメインオブジェクト検出タスクで最先端の結果を達成する。
論文 参考訳(メタデータ) (2021-10-06T08:43:59Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2021-09-15T14:11:53Z) - Multi-patch Feature Pyramid Network for Weakly Supervised Object
Detection in Optical Remote Sensing Images [39.25541709228373]
マルチパッチ特徴ピラミッドネットワーク(MPFP-Net)を用いたオブジェクト検出のための新しいアーキテクチャを提案する。
MPFP-Netは、トレーニング中の最も差別的なパッチのみを追求する現在のモデルとは異なる。
残余値の正則化と核融合遷移層を厳密にノルム保存する有効な方法を提案する。
論文 参考訳(メタデータ) (2021-08-18T09:25:39Z) - Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。
高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。
このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
論文 参考訳(メタデータ) (2021-05-27T23:34:06Z) - Concurrent Segmentation and Object Detection CNNs for Aircraft Detection
and Identification in Satellite Images [0.0]
本稿では,2つの全く異なる畳み込みニューラルネットワーク(CNN)を組み合わせて航空機を検出・識別する専用手法を提案する。
その結果, この組み合わせは各ユニタリモデルよりも有意に優れ, 偽陰性率を大幅に低下させることがわかった。
論文 参考訳(メタデータ) (2020-05-27T07:35:55Z) - NETNet: Neighbor Erasing and Transferring Network for Better Single Shot
Object Detection [170.30694322460045]
我々は、ピラミッドの特徴を再設定し、スケールアウェアな特徴を探索する新しいNeighbor Erasing and Transferring(NET)メカニズムを提案する。
NETNetと呼ばれるシングルショットネットワークは、スケールアウェアなオブジェクト検出のために構築されている。
論文 参考訳(メタデータ) (2020-01-18T15:21:29Z)
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。