ICCVAug, 2021

利用上下文不一致性进行多专家对抗攻击检测的人员再辨识

PDF
TL;DR本文提出一种基于多专家的对抗攻击检测方法 (MEAAD)，通过检查上下文不一致性来实现对于基于深度神经网络的 ReID 系统的攻击检测，并在 Market1501 和 DukeMTMC-ReID 数据集上进行了实验，在第一个 ReID 的对抗攻击检测方法中被证明可以有效地检测各种攻击，并达到高的 ROC-AUC（超过 97.5%）。
deep neural networksperson re-identificationadversarial attack detectioncontext inconsistencymeaad approach
发现论文，激发创造
  • 深度误排名下可转移、可控及不引人注意的行人再识别对抗攻击

    本文使用学习到的失误排名公式对当前表现最佳的人物重新识别模型的不安全性进行检验，提出了一种借助多阶段网络体系结构的反向盒子攻击方法，研究人员在四大重新识别基准上进行了广泛的实验。

    Apr, 2020

  • 结合两种对抗攻击的人员再识别系统

    人物再识别（Re-ID）领域受到了深度神经网络的广泛关注，特别是图像分类。本文的焦点在于对 Re-ID 系统进行的对抗攻击，其可能对系统性能构成严重威胁。我们尝试对两种热门 Re-ID 模型（IDE（ResNet-50）和 AlignedReID）应用了两种类型的对抗攻击（P-FGSM 和 Deep Mis-Ranking），并在三个数据集上进行了实验，最佳结果在 Applied to CUHK03 的 AlignedReID 上展示了 Rank-10 度量指标下 3.36% 的降低。我们还尝试通过在推断过程中使用 Dropout 作为一种防御方法。

    Sep, 2023

  • 连接点：利用语境不一致性检测敌对扰动

    本研究提出了一种基于上下文一致性规则学习的深度神经网络攻击检测方法，通过建立了一组自动编码器来检测违反上下文一致性规则的对抗扰动，实验证明该方法可以有效检测各种对抗攻击。

    Jul, 2020

  • 人物再识别的对抗度量攻击与防御

    通过提出 Adversarial Metric Attack，本研究试图在 Person re-identification 中弥合分类训练和度量分析的差距，发现现有的距离度量方法对于人眼无法察觉的对抗样本十分脆弱，因此在应用于视频监控等领域时需要注意安全性，同时提出训练度量网络以抵御对抗攻击并推进度量学科对抗攻防技术的发展。

    Jan, 2019

  • 基于可对抗转换模式的物理世界攻击深度人像再识别

    本研究提出了一种名为 advPattern 的新伪装算法，利用此算法可以生成适用于衣服的对抗性伪装纹理，此举可用于冒充他人，躲避人员搜索等等。此外，该研究指出基于深度学习的行人再识别系统易受攻击。

    Aug, 2019

  • 可见 - 红外视频人物再识别的对抗自攻击防御和时空关系挖掘

    本文提出一种新的可见 - 红外视频人物再识别方法，从对抗性自攻击防御和时空关系挖掘的新角度解决了跨模态行人身份匹配的问题。同时，通过激活输入样本中包含的干扰信息来引入对抗性干扰，将对抗攻击和防御集成到一个框架中，并提出了一个以空间 - 时间信息引导的特征表示网络来提取更加稳健的特征。在大规模跨模态视频数据集上，该方法表现出了很好的性能。

    Jul, 2023

  • 领域自适应人员身份识别的多专家头脑风暴

    本文提出了一个用于领域自适应人员重新识别的多专家头脑风暴网络（MEB-Net），采用相互学习策略，通过多个具有不同体系结构的网络专家模型进行预训练，在专家模型之间进行头脑风暴，以适应领域，增强适应的重新识别模型的区分能力，并通过引入关于专家权威性的正则化方案来容纳具有不同体系结构的专家模型的异质性。通过对大规模数据集（Market-1501 和 DukeMTMC-reID）进行的广泛实验表明，MEB-Net 比现有技术具有更优秀的表现。

    Jul, 2020

  • 用于人员再识别的多任务深度神经网络

    本文提出了一种多任务深度网络并联考虑二分类和排名任务，结合交叉域架构训练以解决人员再识别问题，实验结果表明，该方法有效性显著优于现有算法。

    Jul, 2016

  • 移动边缘云中基于实时分布式推理的身份感知属性识别

    本文提出了一种基于移动边缘云的行人属性识别和人员重识别模型，并研究了 MEC 网络中的分布式推断问题，评估结果表明，所提出的算法在准确性和延迟方面都有很大提高。

    Aug, 2020

  • 利用多物体关系检测复杂场景中的对抗攻击

    通过使用语言模型，我们开发了一种新方法来检测图像义务的一致性，即在自然场景的语言描述中捕捉物体共现关系，这种方法不仅适用于特定模型，而且对于多个物体的实际场景中检测对抗性样本具有非常高的精度。

    Aug, 2021