-
题名基于空间感知的多级损失目标跟踪对抗攻击方法
被引量：5
- 1
-
-
作者
程旭
王莹莹
张年杰
付章杰
陈北京
赵国英
-
机构
南京信息工程大学计算机学院、软件学院、网络空间安全学院
南京信息工程大学数字取证教育部工程研究中心
奥卢大学机器视觉与信号分析研究中心
-
出处
《通信学报》
EI
CSCD
北大核心
2021年第11期242-254,共13页
-
基金
国家自然科学基金资助项目(No.61802058,No.61911530397)
国家留学基金资助项目(No.201908320175)
+1 种基金
中国博士后科学基金资助项目(No.2019M651650)
江苏省自然科学基金资助项目(No.BK20201267,No.BK20200039)。
-
文摘
针对现有的对抗扰动技术难以有效地降低跟踪器的判别能力使运动轨迹发生快速偏移的问题,提出一种高效的攻击目标跟踪器方法。首先,所提方法从高层类别和底层特征考虑设计了欺骗损失、漂移损失和基于注意力机制的特征损失来联合训练生成器;然后,将干净图像送入该生成器中,生成对抗样本;最后,利用对抗样本干扰目标跟踪器,导致目标运动轨迹发生偏移,降低跟踪精度。实验结果表明,所提方法在OTB数据集上达到了54%的成功率下降和70%的精确度下降,实现了复杂场景下对目标快速有效的攻击。
-
关键词
视频监控
网络安全
对抗攻击
深度学习
目标跟踪
-
Keywords
video surveillance
network security
adversarial attack
deep learning
object tracking
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多帧一致性修正的自监督孪生网络目标跟踪方法
被引量：12
- 2
-
-
作者
程旭
刘丽华
王莹莹
余梓彤
赵国英
-
机构
南京信息工程大学计算机学院
南京信息工程大学数字取证教育部工程研究中心
奥卢大学机器视觉与信号分析研究中心
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第12期2544-2560,共17页
-
基金
国家自然科学基金(61802058,61911530397)
国家留学基金资助项目(201908320175)
+1 种基金
中国博士后科学基金资助项目(2019M651650)
江苏省研究生科研与实践创新计划项目(KYCX22_1220)资助.
-
文摘
深度学习技术促使目标跟踪领域得到了飞速发展,但有限的标注数据限制了深度模型的高效训练.因此,自监督学习应用于目标跟踪领域来解决模型训练需要大量标注数据的问题.然而,现有基于自监督学习的跟踪器大多提取目标浅层信息,缺乏对目标关键特征的高效表达,且忽视了因目标遮挡等挑战导致的反向验证难度大的问题,致使跟踪精度下降.为解决上述问题,本文提出一种基于多帧一致性修正的自监督孪生网络跟踪方法,由前向多帧反序验证策略、混序修正模块和视觉特征增强模块三部分共同构成.首先,前向多帧反序验证策略从多条路径中自适应选择最优目标轨迹来构造循环一致性损失优化函数,面对目标遮挡、背景干扰、形变等挑战时能够合理规划路径.其次,针对多条路径对同一帧目标预测位置的不一致问题,提出混序修正模块来修正跟踪偏移,增强了前向跟踪时特征提取网络的鲁棒性.此外,视觉特征增强模块通过自适应加权融合目标的全局上下文信息与局部语义特征信息,增强了模型对目标自身特征的表达能力.最后,本文方法在OTB2013、OTB2015、TColor-128和VOT-2018四个公开数据集上进行了验证.实验结果表明:在光照、形变、背景干扰等复杂场景下,相比于现有21种主流跟踪算法,本文方法在四个数据集上的精确度平均提高了4.6%,比基于自/无监督学习的跟踪器平均提高了5.8%的精确度.
-
关键词
视频监控
目标跟踪
自监督学习
循环一致性损失
视觉注意力机制
-
Keywords
surveillance
object tracking
self-supervised learning
cycle-consistency loss
visual attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
