【技术实现步骤摘要】
本专利技术属于对抗攻击方法，涉及一种面向目标检测模型的对抗攻击方法。
技术介绍
1、近年来，深度学习在计算机视觉领域取得了显著进展，广泛应用于图像分类、目标检测、语义分割、自然语言处理等多种任务中，并展现出卓越的性能。其中，目标检测作为计算机视觉中的核心任务之一，旨在图像中准确定位并识别所有感兴趣目标的类别，始终受到学术界与工业界的高度关注。然而，研究表明，目标检测模型在安全性方面存在潜在漏洞，易受到对抗样本的攻击。对抗样本是一类经过精心设计的图像，通过向原始图像中添加微小且难以察觉的扰动，使得目标检测模型产生错误输出，严重威胁其在实际场景中的可靠性。例如，在自动驾驶系统中，若在行人或交通标志上添加精细扰动，可能导致模型误识别甚至完全无法检测目标，从而引发严重的安全问题。研究人员通过对目标检测模型进行对抗攻击，挖掘其潜在的漏洞，进一步提升模型鲁棒性与安全性，因此，研究面向目标检测模型的对抗攻击方法具有重要的理论意义和实用价值。
2、在对抗攻击方法研究中，根据攻击者对深度学习模型的可访问程度，将其分为白盒攻击与黑盒攻击两种类型...
【技术保护点】
1.面向目标检测模型的对抗攻击方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其特征在于，步骤1具体为：
3.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其特征在于，步骤2中，对于远视角目标，采用背景掩码进行处理，以保留背景区域的特征信息，具体为：
4.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其特征在于，步骤2中，对于近视角目标，构建边缘掩码，提取出该区域的显著边缘，强调目标边缘特征；具体为：
5.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其...
【技术特征摘要】
1.面向目标检测模型的对抗攻击方法，其特征在于，具体按照以下步骤实施：
2.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其特征在于，步骤1具体为：
3.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其特征在于，步骤2中，对于远视角目标，采用背景掩码进行处理，以保留背景区域的特征信息，具体为：
4.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其特征在于，步骤2中，对于近视角目标，构建边缘掩码，提取出该区域的显著边缘，强调目标边缘特征；具体为：
5.根据权利要求1所述的面向目标检测模型的对抗攻击方法，其特征在于，步骤3中，条件生成器的输入包括原始图像、目标类别以及步骤2中通过自适应优化得到的掩码，该掩码用于引导标签信息的注入。
6.根据权利要求5所述的面向目标检测模型的对抗攻击方法，其特征在于，所述条件生成器的具体...
【专利技术属性】
技术研发人员：赵彦龙，于振华，遆亚舟，顾炜，郑振，杨攀宇，崔瑞祥，叶鸥，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。