对抗样本(论文解读二): Transferable Adversarial Attacks for Image and Video Object Detection-优快云博客

本文链接：https://blog.youkuaiyun.com/Enjoy_endless/article/details/103315207

提出一种名为UEA的统一高效对抗攻击方法，针对图像和视频目标检测，可同时攻击基于提议的Faster R-CNN和基于回归的SSD模型。UEA采用生成对抗网络（GAN），引入多尺度注意特征损失，提高攻击效果和效率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

准备写一个论文学习专栏，先以对抗样本相关为主，后期可能会涉及到目标检测相关领域。

内容不是纯翻译，包括自己的一些注解和总结，论文的结构、组织及相关描述，以及一些英语句子和相关工作的摘抄(可以用于相关领域论文的写作及扩展)。

平时只是阅读论文，有很多知识意识不到，当你真正去着手写的时候，发现写完之后可能只有自己明白做了个啥。包括从组织、结构、描述上等等很多方面都具有很多问题。另一个是对于专业术语、修饰、语言等相关的使用，也有很多需要注意和借鉴的地方。

本专栏希望在学习总结论文核心方法、思想的同时，期望也可以学习和掌握到更多论文本身上的内容，不论是为自己还有大家，尽可能提供更多可以学习的东西。

当然，对于只是关心论文核心思想、方法的，可以只关注摘要、方法及加粗部分内容，或者留言共同学习。

Transferable Adversarial Attacks for Image and Video Object Detection

XingxingWei1,SiyuanLiang2,NingChen1,XiaochunCao2 1DepartmentofComputerScienceandTechnology,TsinghuaUniversity 2InstituteofInformationEngineering,ChineseAcademyofSciences {xwei11,ningchen}@mail.tsinghua.edu.cn,{liangsiyuan,caoxiaochun}@iie.ac.cn

发表于IJCAI 2019

针对图像和视频检测可转移的对抗攻击

1 Abstract

Existing attacking methods for image object detection have two limitations: weak transferability—the generated adversarial examples often have a low success rate to attack other kinds of detection methods, and high computation cost—they need much time to deal with video data, where many frames need polluting.