.png){kind=icon}
返回
Adversarial examples detection for object detectors using consistency check framework
.png){kind=icon}
PRE
AI
DOI：10.1007/s10586-025-05118-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动驾驶技术正越来越多地部署采用深度学习网络的对象检测器以感知运行条件，而近期的研究指出对抗样本的存在，这为对象检测系统带来了安全风险。现有方法大多局限于分类器网络，在检测针对对象检测网络的对抗样本方面存在局限性，缺乏泛化能力和决策依据。然而，准确检测针对对象检测网络的对抗样本对自动驾驶领域至关重要。在本文中，我们提出了一种针对对象检测网络的对抗样本检测方法，利用图像处理技术和一致性检查。该方法首先处理输入图像，然后将原始输入及其处理后的图像并行输入对象检测系统。随后，我们提出了一种用于对抗样本检测的交并比（IOU）计算方法。通过计算并行处理的两个图像之间的IOU值，可以确定该图像是否构成对抗样本。我们的方法在真实世界的交通运行环境中进行了评估，检测方法达到了高精度。我们的研究将为其他场景中对抗样本的检测和防御措施提供进一步的启发。
Keyword:
Object detection networks
Adversarial example
Adversarial detection
Image process
Consistency check
期刊
C
IF:
0
论文数:
691
被引数:
1
机构
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏Arc detection and recognition in pantograph–catenary system based on convolutional neural network
PREAI
分享收藏Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression距离-IoU损失: 边界盒回归的更快更好的学习OAAI
OAAI分享收藏
Improving adversarial attacks on deep neural networks via constricted gradient-based perturbations
PREAI
分享收藏Two improved methods of generating adversarial examples against faster R-CNNs for tram environment perception systems针对有轨电车环境感知系统的两种改进型对抗样本生成方法对抗Faster R-CNN网络.png)
IF0
PREAI
分享收藏Detecting Adversarial Image Examples in Deep Neural Networks with Adaptive Noise Reduction基于自适应降噪的深度神经网络对抗图像样本检测OAAI
OAAI分享收藏
查看更多内容