Nov, 2023

深度学习相对姿态估计在太空交会中的鲁棒性对抗攻击检测

PDF
TL;DR基于解释性概念，我们提出了一种新的用于深度神经网络相对姿态估计的对抗攻击检测方法，并在轨交会场景中采用了创新的相对姿态估计技术，实现了从千里之外了解目标物体的相对位置和旋转。模拟实验结果表明，所提出的对抗攻击检测器具有 99.21% 的检测精度，并且在从实验室设计的装置中捕获的真实数据上进行了测试，结果显示所提出的对抗攻击检测器的平均检测精度达到了 96.29%。
deep learningautonomous spacecraftadversarial attackpose estimationconvolutional neural network
发现论文，激发创造
  • 单目姿态估计的对抗性攻击

    本文研究了深度学习中对 3D 场景识别任务的影响，发现对于单目深度估计和姿态估计，添加微小的扰动会导致预测出现明显偏差，网络具有一定的漏洞和不足。

    Jul, 2022

  • 通过对抗学习实现自然环境下的三维人体姿态估计

    本论文提出了一种对抗性学习框架，利用基于多源鉴别器的几何描述符对在野外场景下的 2D 姿态注释图像进行 3D 人体姿态估计。实验证明，该方法在公共基准测试上明显优于以往的最先进方法。

    Mar, 2018

  • 对抗攻击下的稳健跟踪

    本文提出了一种基于视频序列的对抗攻击和防御方法，通过考虑时间运动并生成轻量级扰动，有效提高了深度跟踪算法的鲁棒性，结果表明该方法不仅能消除对抗攻击带来的大幅性能下降，同时在未受到攻击时也能获得额外的性能增益。

    Jul, 2020

  • 卷积式人体运动预测的对抗鲁棒性评估

    本文提出一种新的适用于人体运动序列的可调节的针对性对抗攻击方法，通过引入两个物理约束条件，提高对抗样本的无感知性，定量和定性结果表明，串联对抗样本可以很好地欺骗目标预测模型，提高人体运动预测器的对抗鲁棒性，但相较于帧至帧比较，该攻击样本比较容易被检测到。

    Jun, 2023

  • 机器人定位与建图终稿 —— 用于自监督式深度视觉测距的顺序对抗学习

    使用深度神经网络进行图像生成任务以提取高级特征，进而估计视觉里程碑的深度和位姿，同时利用光流和循环神经网络以及生成对抗网络改进深度和位姿的估计精度。

    Sep, 2023

  • 非合作空间器鲁棒性学习姿态估计

    提出了一种新的卷积神经网络架构及训练过程，可对非合作空间器进行姿态估计，通过对合成图像的纹理随机化进行训练的 CNN 表现出更好的性能，在单张图片中采用回归 2D 关键点的方法解决了空间像素限制问题。

    Sep, 2019

  • 使用卷积神经网络进行轨道上组装辅助相对姿态估计

    本篇论文使用卷积神经网络用于辅助空间装配任务中的物体追踪和位姿预测，通过模拟器生成的数据集训练后，证明该模型相对于其他基于手工特征提取的方法更加稳健可靠。

    Jan, 2020

  • 人体姿态估计的鲁棒性

    本文对人体姿态估计模型的对抗攻击和其鲁棒性进行全面深入的研究，基于多个数据集对多个 2D 单人姿态估计体系进行评测，探讨了回归型网络攻击等未曾被研究过的问题，并发现热力图建模型比直接回归模型更具鲁棒性。此外，文中还展示了通用扰动的可视化效果，并进行了用户研究。

    Aug, 2019

  • 基于决策的有效黑盒对抗攻击人脸识别系统

    本文旨在评估最先进的人脸识别模型在基于决策的黑盒攻击环境下的鲁棒性能，并提出一种新的进化攻击算法以减少搜索空间维度，实验结果表明该方法能够在较少的查询次数内诱导输入的最小扰动，并成功地用于攻击一个真实的人脸识别系统。

    Apr, 2019

  • 人体姿态估计的自对抗训练

    本文提出了一种基于深度学习的人体姿势估计方法，采用生成对抗网络作为学习模式，在两个相同结构的堆叠沙漏网络中设定生成器和判别器，生成器用作人体姿势估计，判别器将真实热力图与生成的热力图区分，通过对抗损失反向传播至生成器，使生成器学习合理的人体各部分构造，提高预测准确性。

    Jul, 2017