39、自动化中的目标感知与对抗攻击应对

自动化中的目标感知与对抗攻击应对

自动化中的目标感知需求

随着自动化在人类生活的各个方面发挥着越来越重要的作用，自动化系统对目标感知的需求也日益增长。机器人需要识别障碍物，自动驾驶汽车需要识别行人，医疗系统需要识别患者。控制自动化的计算机本身无法理解目标是什么或其如何运作，而是通过相机输入的数字图像来识别目标，并按照预设的方式与这些目标进行交互。

自动驾驶汽车的视觉需求

将视觉能力集成到自动驾驶汽车的传感系统中，可以提高其行驶的安全性。分割算法可以帮助汽车区分车道、人行道以及其他需要注意的障碍物。一些自动驾驶汽车甚至配备了完整的端到端系统，如英伟达的系统，它可以根据视觉输入实时控制转向、加速和制动。视觉系统还可以识别道路上与驾驶相关的目标，如交通标志和交通灯，并跟踪其他车辆的行驶轨迹。在这些应用中，深度学习网络都可以提供有效的解决方案。

计算机没有情感概念，它只是进行分析并遵循规则来执行任务，如转向操作。计算机无法像人类一样自信地驾驶，因为自信是一种由成功带来的情感状态。计算机只能更精确地执行任务。此外，计算机在事故发生前不会像人类一样产生肾上腺素激增的反应，这使得它能够比人类更快地做出反应。总之，无论计算机程序设计得多么接近人类的处理过程，它的表现和对环境问题的反应仍然与人类不同。

目标检测方法

目标检测在卷积神经网络（CNN）提供的单目标分类基础上有所改进。主要有两种目标检测方法：单阶段检测（或一次性检测）和两阶段检测（也称为区域提议）。单阶段检测系统能够为自动驾驶车辆提供帮助。不过，从头开始编写这样的检测系统是一项艰巨的任务，好在可以利用GitHub上的开源项目，如Keras - RetinaNet。