自律運転シナリオにおけるYOLO検出器の敵対攻撃と防御【JST・京大機械翻訳】

Choi Jung Im; Tian Qing

プレプリント

J-GLOBAL ID：202202217894970212 整理番号：22P0287393

自律運転シナリオにおけるYOLO検出器の敵対攻撃と防御【JST・京大機械翻訳】

Adversarial Attack and Defense of YOLO Detectors in Autonomous Driving Scenarios

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 (2件)： ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年07月03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)

視覚検出は自律運転における重要課題であり,自己駆動計画と制御のための重要な基礎として役立つ。深層ニューラルネットワークは様々な視覚タスクにおいて有望な結果を達成したが,敵対攻撃に対して脆弱であることが知られている。人々がロバスト性を改善する前に,深い視覚検出器の脆弱性の包括的な理解が必要である。しかし,少数の敵対攻撃/防衛作業だけが物体検出に焦点を合わせており,その多くは分類および/または位置決め損失のみを採用し,客観性側面を無視している。本論文では,YOLO検出器における重大な客観性関連敵対脆弱性を同定し,自律車両における視覚検出の客観性側面を目標とする効果的な攻撃戦略を提示した。さらに,そのような脆弱性に取り組むために,視覚検出のための新しい客観意識の敵対訓練アプローチを提案した。実験は,客観性側面を目標とする提案攻撃が,KITTIとCOCOトラフィックデータセットの分類および/または位置確認損失から生成されたものより,それぞれ45.17%と43.50%有効であることを示した。また,提案した敵対防衛アプローチは,KITTIとCOCOトラフィックにおいて,それぞれ,最大21%と12%mAPまで,客観性指向攻撃に対する検出器のロバスト性を改善することができた。【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