- · 《中国测试》编辑部征稿[10/30]
- · 《中国测试》杂志社刊物[10/30]
- · 《中国测试》期刊栏目设[10/30]
- · 《中国测试》数据库收录[10/30]
- · 《中国测试》投稿方式[10/30]
- · 中国测试版面费是多少[10/30]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
计算机软件及计算机应用论文_针对目标检测器的
作者:网站采编关键词:
摘要：文章摘要:目标检测器现已被广泛应用在各类智能系统中，主要用于对图像中的物体进行识别与定位.然而，近年来的研究表明，目标检测器与DNNs分类器都易受数字对抗样本和物理对抗样
文章摘要:目标检测器现已被广泛应用在各类智能系统中，主要用于对图像中的物体进行识别与定位.然而，近年来的研究表明，目标检测器与DNNs分类器都易受数字对抗样本和物理对抗样本的影响.YOLOv3是实时检测任务中一种主流的目标检测器，现有攻击YOLOv3的物理对抗样本的构造方式大多是将生成的较大的对抗性扰动打印出来再粘贴在特定类别的物体表面.最近的研究中出现的假阳性对抗样本（false positive adversarial example， FPAE）可通过目标模型直接生成得到，人无法识别出该对抗样本图像中的内容，但目标检测器却以高置信度将其误识别为攻击者指定的目标类.现有以YOLOv3为目标模型生成FPAE的方法仅有AA（appearing attack）方法一种，该方法在生成FPAE的过程中，为提升FPAE的鲁棒性，会在迭代优化过程中加入EOT（expectation over transformation）图像变换来模拟各种物理条件，但是并未考虑拍摄时可能出现的运动模糊（motion blur）情况，进而影响到对抗样本的攻击效果.此外，生成的FPAE在对除YOLOv3外的目标检测器进行黑盒攻击时的攻击成功率并不高.为生成性能更好的FPAE，以揭示现有目标检测器存在的弱点和测试现有目标检测器的安全性，以YOLOv3目标检测器为目标模型，提出RTFP（robust and transferable false positive）对抗攻击方法.该方法在迭代优化过程中，除了加入典型的图像变换外，还新加入了运动模糊变换.同时，在损失函数的设计上，借鉴了C&W攻击中损失函数的设计思想，并将目标模型在FPAE的中心所在的网格预测出的边界框与FPAE所在的真实边界框之间的重合度（intersection over union，IOU）作为预测的边界框的类别损失的权重项.在现实世界中的多角度、多距离拍摄测试以及实际道路上的驾车拍摄测试中，RTFP方法生成的FPAE能够保持较强的鲁棒性且迁移性强于现有方法生成的FPAE.
文章关键词:
项目基金:《中国测试》 网址: http://www.zgcszzs.cn/qikandaodu/2021/1216/2055.html