.png){kind=icon}
返回
Multi-task class-aware adversarial training for remote sensing object detection robustness
.png){kind=icon}
PRE
AI
DOI：10.1080/09540091.2025.2581373.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着深度学习在遥感图像目标检测中应用日益广泛，模型在对抗攻击下的鲁棒性和安全性已成为主要关注点。对抗攻击通过引入不可感知的扰动，误导目标检测系统，这严重影响了视频监控、军事侦察等应用。为解决多任务优化冲突和对抗场景下的鲁棒性下降问题，我们提出了一种新颖的多任务和类别感知对抗训练框架。该方法同时处理分类、边界框回归和置信度预测。通过引入多任务最大化损失策略，我们生成能有效挑战模型的对抗样本。此外，采用类别感知损失机制来平衡不同目标类别的鲁棒性。在PASCAL VOC和DIOR数据集上的实验评估表明，该方法显著提升了模型对白盒和黑盒攻击的抵抗能力。在PGD攻击条件下，其在保持干净数据高精度的同时，大幅提升了平均精度均值（mAP）。这些结果证实了该方法在增强遥感目标检测模型对抗鲁棒性方面的有效性。
Keyword:
Adversarial attacks
remote sensing image
object detection
adversarial training
multi-task learning
期刊
IF:
3.4
论文数:
854
被引数:
1.5K
机构
引用论文
.png){kind=icon}
Multifeature Collaborative Adversarial Attack in Multimodal Remote Sensing Image Classification
PREAI
分享收藏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Object detection in optical remote sensing images: A survey and a new benchmark光学遥感图像中的目标检测: 调查和新基准OAAI
OAAI分享收藏Adversarial Patch Attack on Multi-Scale Object Detection for UAV Remote Sensing Images无人机遥感影像多尺度目标检测的对抗性补丁攻击
OAAI
OAAI分享收藏
查看更多内容