现阶段偏向从阅读获取知识点而非创新点

0x1204.面向目标检测的对抗样本综述

袁珑, 李秀梅, 潘振雄, 孙军梅, 肖蕾. 2022. 面向目标检测的对抗样本综述. 中国图象图形学报

基于深度学习的主流目标检测算法根据有无候选框生成阶段分为以Faster R-CNN为代表的两阶段检测和以YOLO为代表的但阶段检测。

对抗样本

在原本干净的数据集中，通过某种方式或遵循某种规律，向图像中加入一些细微的噪声（扰动）形成的图像。
图像分类攻击方法代表：FGSM（fast gradient sign method）【无目标攻击】

常用数据集及评价标准

• PASCAL VOC，包含20个类别的物体，4大种类
• MS COCO，包含91个物体类别、328000幅图像、250万个标签，目标间的尺度变化大，具有较多的小目标物体
• ImageNet，包括1400多万幅图像、2万多个类别，其中103万幅图像可以用于目标检测任务，有明确的类别和位置标注
• Open Image，是谷歌团队发布的具有对象位置注释的现有最大的数据集，包含190万幅图像、600个种类、1540万个边界框标注

评价指标：1、mean average precision
$$mAP=\frac{{\sum }_{i=1}^{m}A{P}_i}{m}$$
2、precision，分类正确的正样本个数与分类后判别为正样本个数的比值
3、recall，分类正确的正样本数与真正的正样本数的比值

对抗攻击方法描述

##　对抗攻击方法总结

…

防御方法总结

• 去噪、滤波、图像压缩
• 随机中值平滑
• 对抗训练
• 限制上下文信息使用
• 正则化方法
• 特征对齐
• 检测器预警
• 噪声混合