Sep, 2018
基于深度提议模型的强健性对抗扰动
Robust Adversarial Perturbation on Deep Proposal-based Models
Yuezun Li, Daniel Tian, Ming-Ching Chang, Xiao Bian, Siwei Lyu
TL;DR本文提出了一种有效的 Robust Adversarial Perturbation(R-AP)方法,通过攻击 Region Proposal Network(RPN)的普遍组件,来通用地降低深度自学习物体检测器和实例分割算法的性能,并在 MS COCO 2014 数据集上进行实验,结果表明该方法具有很高的有效性。