La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Simultaneous Attack on CNN-Based Monocular Depth Estimation and Optical Flow Estimation Attaque simultanée contre l'estimation de la profondeur monoculaire basée sur CNN et l'estimation du flux optique

Koichiro YAMANAKA, Keita TAKAHASHI, Toshiaki FUJII, Ryuraroh MATSUMOTO

  • Vues en texte intégral

    0

  • Citer

Résumé:

Grâce à l’excellente capacité d’apprentissage des réseaux neuronaux à convolution profonde (CNN), les méthodes basées sur les CNN ont obtenu un grand succès dans les tâches de vision par ordinateur et de reconnaissance d’images. Cependant, il s’est avéré que ces méthodes comportent souvent des vulnérabilités inhérentes, ce qui nous rend prudents quant aux risques potentiels liés à leur utilisation pour des applications réelles telles que la conduite autonome. Pour révéler de telles vulnérabilités, nous proposons une méthode d'attaque simultanée de l'estimation de la profondeur monoculaire et de l'estimation du flux optique, qui sont toutes deux des tâches courantes basées sur l'intelligence artificielle qui font l'objet d'études approfondies pour des scénarios de conduite autonome. Notre méthode peut générer un correctif contradictoire qui peut tromper simultanément les méthodes d'estimation de profondeur monoculaire basées sur CNN et d'estimation de flux optique en plaçant simplement le correctif dans les images d'entrée. À notre connaissance, il s'agit du premier travail permettant de réaliser des attaques de correctifs simultanées sur deux ou plusieurs CNN développés pour des tâches différentes.

Publication
IEICE TRANSACTIONS on Information Vol.E104-D No.5 pp.785-788
Date de publication
2021/05/01
Publicisé
2021/02/08
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2021EDL8004
Type de manuscrit
LETTER
Catégories
Reconnaissance d'images, vision par ordinateur

Auteurs

Koichiro YAMANAKA
  Nagoya University
Keita TAKAHASHI
  Nagoya University
Toshiaki FUJII
  Nagoya University
Ryuraroh MATSUMOTO
  Tokyo Institute of Technology

Mots-clés

Table des matières