- 1、本文档共1页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一个关于自动驾驶图像理解系统的技术性问题
可靠的图像理解系统对于自动驾驶、医学成像等应用至关重要。对抗样本被
认为是一种有针对性的小型扰动。 约克大学和多伦多大学的研究者在本文中展示了另一种
扰动。与对抗样本相反,这些扰动不受范数的约束。它们把一幅图像中的物体放置( 「移
植」)到另一幅图像的新位置。这种做法对目标检测器的结果有多种非局部影响,比如房
间里走动的大象让目标检测器把沙发认成椅子,或让杯子、书消失。本文通过一系列实验
证明了这一点,并提出了一些可能的解释。
实验
作者从一些定性结果开始。 图 1 (a)展示了一种当前最优目标检测方法 (具备 NASNet 骨
干网络 [20] 的 Faster-RCNN [9] )应用于来自 Microsoft COCO 目标检测基准 [6] 的客厅
图像的结果,目标检测器是在该基准数据集上训练的。作者利用真实数据,从另一幅图像
中提取了一个目标(大象)及其掩码,并将其「移植」到客厅图像的不同位置上。作者把
移植的目标称为 T 。结果可以在图 1 b-i 中看到。当目标 T 沿着图像平移时,作者发现
了几个有趣的现象:
检测不稳定:目标有时无法被检测到,或者能够被检测到但置信度出现急剧变化。
目标 T 被检测到的身份不一致 (在图 1-f 中被当成椅子):根据位置变化, 目标可能被检
测为各种不同的东西。
目标带来非局部影响:未与 T 重叠的目标可能会变换类别、边界框,或者完全消失。
图 1:在房间中检测一只大象。 (a): 当前最优目标检测器在客厅图像里检测到多个目标;
(b,d,e,g,i):移植的目标(大象)在很多情况下和任意位置未被检测到 ; (f ): 目标类别
被误认为是「椅子」 。该目标(大象)具有非局部影响,导致其它目标消失(图 d、f 中
的杯子, e、i 中的书)或变换类别(图 e 中的椅子被误认为是沙发) 。
论文
您可能关注的文档
- 【最新部编人教版】2019六年级上册《道德与法治》教案表格式教案.pdf
- 【权威资料】年考研数学三考试大纲.pdf
- 【版2014宁波二模】浙江省宁波市2014届高三第二次模拟考试数学理试题版含答案.pdf
- 【物理】四川省成都七中2014-2015学年高一上学期期末试卷.pdf
- 【物理】天津一中2015-2016学年高一上学期期中试卷.pdf
- 【物理】高考预测试题(3)选择题(20200420093752).pdf
- 【理科综合试题】云南师大附中2018届高考适应性月考卷(二)理科综合试题.pdf
- 【甘肃兰州、张掖一诊】甘肃省兰州市、张掖市高三第一次诊断考试历史试题含解析.pdf
- 【生物】广东省中山市2015-2016学年高一上学期期末考试.pdf
- 【生物】河北省保定市2015-2016学年高一上学期期末考试.pdf
文档评论(0)