鲁棒性目标检测 TOP2 方案分享

关联比赛:  ACM MM2021 安全AI挑战者计划第七期：鲁棒性标识检测

ACM MM2021 鲁棒性目标检测比赛 TOP 2 方案

​

赛题背景

在商品知识产权领域，知识产权体现为在线商品的设计和品牌。不幸的是，在每一天，存在着非法商户通过一些对抗手段干扰商标识别来逃避侵权，这带来了很高的知识产权风险和财务损失。为了促进先进的多媒体人工智能技术的发展，以保护企业来之不易的创作和想法免受恶意使用和剽窃，因此提出了鲁棒性标识检测挑战赛 (ACM MM2021 Robust Logo Detection)。挑战赛需要参赛者处理小目标检测、长尾对象类别、对抗性干扰图像。这一挑战集中于现实世界机器学习和多媒体系统中安全问题的最新研究和未来方向。

前言

• 我们的计算设备是 8块 Tesla V100 32GB；😃

• 本方案初赛排名 TOP 6，复赛排名 TOP 2，综合排名 TOP 2；

• 特别感谢阿里安全组织的这场比赛，一方面锻炼了我们的能力，一方面给了我们探索实际业务场景中各种困难的机会；

赛题分析

• 初赛不涉及鲁棒性防御相关的测评，复赛主要集中在干扰图片的测评，因此整个竞赛围绕着目标检测，一个强大的目标检测器是基本保证；

• 测试数据的第一个特点是小目标。针对小目标检测，常见的方法有增大输入图片尺度（必然有效）、网络结构的设置（深层浅层网络的融合）、小目标数据的增广和重采样（效率与增益需要平衡）等；

• 测试数据的第二个特点是长尾分布。针对长尾分布，可以轻易想到的方案是通过loss权重设置来达到数据数量不