抢先行动,后继攻击:评估目标检测系统对黑盒对抗攻击的鲁棒性
利用‘偷现,解密后’的攻击方式,在黑盒情况下生成幽灵对象的可行性研究,证明了该攻击可以成功地利用 AI 服务的潜在漏洞,给 AI 安全带来了重大威胁。
本文通过秘密嵌入和透明对抗性示例评估了Google Cloud Vision API和Microsoft Azure的Computer Vision API在实际部署中的恶意攻击成功率。结果显示该方法能够成功欺骗人眼并逃避现有的最先进API,为鲁棒性评估提供了一种补充方法。
标签
目标检测
相关的文章:本列表页提供了关于目标检测的最新技术综述,包括蒸馏、自适应等方面的研究进展,并提供了一些应用案例,帮助读者了解目标检测的应用领域和实践经验。
BriefGPT - AI 论文速递 -
利用‘偷现,解密后’的攻击方式,在黑盒情况下生成幽灵对象的可行性研究,证明了该攻击可以成功地利用 AI 服务的潜在漏洞,给 AI 安全带来了重大威胁。
本文通过秘密嵌入和透明对抗性示例评估了Google Cloud Vision API和Microsoft Azure的Computer Vision API在实际部署中的恶意攻击成功率。结果显示该方法能够成功欺骗人眼并逃避现有的最先进API,为鲁棒性评估提供了一种补充方法。
BriefGPT - AI 论文速递 -
我们提出了一种参数高效的微调方法,采用转换器编码器和解码器结构,通过适配器和注入器来提高显著对象的检测能力,并在五个数据集上超过了之前的最先进模型。
本文提出了一种基于F-measure值的正反馈方法来改进现有方法的显著性预测准确性。该方法无需进行精细的解码器设计或模型训练,通过将现有模型的预测图输入到正反馈方法中,可获得高准确性的预测结果。实验结果表明,该方法在显著性地图预测的五个评估指标中超过了最新的12种方法。
BriefGPT - AI 论文速递 -
我们提出了一种用于视频目标检测的简单而有效的无源域自适应方法,STAR-MT。通过改进 YOLOV 方法,在包括噪声、气流湍流和雾霾等恶劣图像条件下,我们的方法始终提高了视频目标检测性能,展示了其在现实世界应用中的潜力。
我们提出了一种名为STAR-MT的无源域自适应方法,用于改进视频目标检测性能。该方法在恶劣图像条件下仍能提高检测性能,展示了在现实世界应用中的潜力。
迷途小书童 -
简介 本篇介绍一个使用 YOLOv8 目标检测算法和 DeepSort 目标跟踪算法的开源项目。 实操 git […] YOLOv8+DeepSort实现目标检测与追踪最先出现在迷途小书童的Note。
本文介绍了一个使用YOLOv8和DeepSort的开源项目,提供了操作步骤和常见问题解决方法。
BriefGPT - AI 论文速递 -
本文介绍了一种专门针对目标检测的全新后门攻击范式:Detector Collapse (DC),通过引入 Sponge 和 Blinding 两种创新的攻击方案,利用自然物体进行毒化,实现在真实环境中作为实用的后门攻击,显著提高了攻击效果。
我们提出了一种名为对象变换攻击(SSL-OTA)的后门攻击方法,适用于自我监督学习场景下的对象检测任务。该方法包括数据毒化攻击(NA)和双源混合攻击(DSBA),并在基准数据集上进行了实验证明其有效性和实用性。这为基于自我监督学习的对象检测提供了新的视角。
BriefGPT - AI 论文速递 -
通过采用图像去滤波器来纠正图像失真问题,本文的研究重点是改进目标检测的性能。实验证明,在非失真图像上训练目标检测模型显著提高了均值平均精度,从而为受图像失真困扰的真实应用程序提供相当大的好处。
dotNET跨平台 -
效果 项目 代码 usingOpenCvSharp; usingOpenCvSharp.Dnn; usingOpenCvSharp.Extensions; usingSystem; usingSystem.Collections.Generic; usingSystem.Data; usingSystem.Diagnostics; usingSystem.Drawing; usin...
这篇文章介绍了使用OpenCvSharp和YOLOv3进行目标检测的项目代码。代码加载模型和配置文件,将图像转换为blob,然后通过模型进行前向传播,得到检测结果。结果包括目标类别、置信度和边界框位置。代码还实现了非最大抑制算法,用于减少重叠的低置信度边界框。
BriefGPT - AI 论文速递 -
通过综合考虑分类和回归任务的重要性差异,在目标检测中提出了一种能够应对知识蒸馏中偏见预测问题的方法。
该研究通过知识蒸馏将基于Transformer的教师检测器的知识转化到基于卷积的学生检测器上,提高了轻量级分类模型的性能。在MS COCO基准测试中,RetinaNet和Mask R-CNN的性能显著提升。
BriefGPT - AI 论文速递 -
为了克服传统 Transformer 方法在事件相机物体检测任务中的高计算成本问题,本研究提出了一种适应场景的稀疏 Transformer 模型,通过优化计算效率和性能表现,实现了对重要物体的集中关注和动态稀疏程度的优化,从而在性能和效率上均超过密集网络和其他稀疏网络。
本研究提出了一种适应场景的稀疏Transformer模型,通过优化计算效率和性能表现,实现了对重要物体的集中关注和动态稀疏程度的优化,从而在性能和效率上超过密集网络和其他稀疏网络。
dotNET跨平台 -
效果 YOLOv8中OBB(Oriented Bounding Box)模型的引入标志着物体检测的重要一步,特别是对于有角度或旋转的物体,提高了准确性并减少了各种应用中的背景噪声,如航空影像和文本检测。模型信息 ModelProperties ------------------------- date:2024-02-26T08:38:44.171849 description:Ult...
YOLOv8中OBB模型的引入提高了物体检测的准确性,减少了背景噪声。代码使用了Microsoft.ML.OnnxRuntime和OpenCvSharp库,实现了对图像的物体检测和绘制边界框的功能。
热榜 Top10
标签 Top100
全部ai 语言模型 神经网络 llm linux 开源 微软 .net python 数据集 人工智能 算法 google apple 扩散模型 安全 机器学习 苹果 java 深度学习 rust 建模 android postgresql 游戏 漏洞 机器人 ios 谷歌 mysql openai windows spring c# 函数 大模型 开发者 api gpt 教程 github microsoft 卷积 chatgpt 数据库 windows 11 web nvidia mongodb 浏览器 内存 iphone 强化学习 docker cloud security 插件 sql 编码器 大语言模型 wordpress 基准测试 程序员 联邦学习 黑客 欧盟 入门 mac 总结 无监督 流量 postgres 解决方案 点云 c++ generative ai sora 一致性 工程师 spring boot 重建 视图 网络安全 swift redis pdf 接口 硬件 单片机 多智能体 前端 visual studio kubernetes 面试 git 源码 容器 javascript ceo cve
赞助商
我也要赞助推荐或自荐