自律運転のための実時間セマンティックセグメンテーションモデルの実世界敵対ロバスト性について【JST・京大機械翻訳】

Rossolini Giulio; Nesti Federico; D'Amico Gianluca; Nair Saasha; Biondi Alessandro; Buttazzo Giorgio

プレプリント

J-GLOBAL ID：202202213581801112 整理番号：22P0024087

自律運転のための実時間セマンティックセグメンテーションモデルの実世界敵対ロバスト性について【JST・京大機械翻訳】

On the Real-World Adversarial Robustness of Real-Time Semantic Segmentation Models for Autonomous Driving

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年01月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

実世界の敵対例(一般にパッチの形で)の存在は,自律運転における視覚認識のような安全クリティカルコンピュータビジョンタスクにおける深層学習モデルの使用に対して重大な脅威を提起する。本論文では,ディジタル,模擬,および物理的ものを含む,異なるタイプの敵対パッチで攻撃されたときの,意味セグメンテーションモデルのロバスト性の広範な評価を提示する。新しい損失関数を提案し,画素の誤分類を誘導する攻撃者の能力を改善した。また,新しい攻撃戦略を提示して,場面にパッチを配置するための変換過剰変換法を改善した。最後に,敵対パッチを検出する最先端の方法を,意味的セグメンテーションモデルに対処するために最初に拡張して,次に,リアルタイム性能を得るために改良して,最終的に実世界シナリオにおいて評価した。実験結果は,敵対効果がディジタルと実世界の攻撃の両方によって見えるとしても,その影響はパッチの周りの画像の領域にしばしば空間的に制約されることを明らかにした。これは,リアルタイム意味セグメンテーションモデルの空間ロバスト性に関する更なる疑問を開いた。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

データ保護 , 人工知能

, , , , , ,

前のページに戻る