EVD4UAV: An Altitude-Sensitive Benchmark to Evade Vehicle Detection in UAV

要約

無人航空機 (UAV) が撮影した画像内の車両検出は、航空写真やリモート センシングに幅広く応用できます。
UAV 画像での車両検出と追跡のために提案されている公開ベンチマーク データセットが多数あります。
最近の研究では、オブジェクトに敵対的パッチを追加すると、十分に訓練されたディープ ニューラル ネットワーク ベースのオブジェクト検出器が騙され、下流のタスクにセキュリティ上の懸念が生じる可能性があることが示されています。
ただし、現在の公開 UAV データセットは、車両の屋根がぼやけた側面図がほとんどで、多様な高度、車両の属性、きめ細かいインスタンス レベルのアノテーションを無視している可能性があるため、敵対的パッチ ベースの車両検出攻撃の問題を研究するのには適していません。
この論文では、6,284 枚の画像と 90,886 台のきめ細かい注釈付き車両を使用して、UAV での車両検出を回避するための高度に敏感なベンチマークとして、EVD4UAV という名前の新しいデータセットを提案します。
EVD4UAV データセットには、さまざまな高度 (50 m、70 m、90 m)、車両属性 (色、タイプ)、きめ細かい注釈 (水平および回転した境界ボックス、インスタンス レベルのマスク) があり、車両の屋根が透明な上面図が表示されます。
EVD4UAV 上の 3 つの古典的なディープ ニューラル ネットワーク ベースのオブジェクト検出器を攻撃するために、1 つのホワイト ボックス パッチ ベースの攻撃手法と 2 つのブラック ボックス パッチ ベースの攻撃手法が実装されています。
実験結果は、これらの代表的な攻撃方法では、高度に依存しない堅牢な攻撃パフォーマンスを達成できないことを示しています。

要約(オリジナル)

Vehicle detection in Unmanned Aerial Vehicle (UAV) captured images has wide applications in aerial photography and remote sensing. There are many public benchmark datasets proposed for the vehicle detection and tracking in UAV images. Recent studies show that adding an adversarial patch on objects can fool the well-trained deep neural networks based object detectors, posing security concerns to the downstream tasks. However, the current public UAV datasets might ignore the diverse altitudes, vehicle attributes, fine-grained instance-level annotation in mostly side view with blurred vehicle roof, so none of them is good to study the adversarial patch based vehicle detection attack problem. In this paper, we propose a new dataset named EVD4UAV as an altitude-sensitive benchmark to evade vehicle detection in UAV with 6,284 images and 90,886 fine-grained annotated vehicles. The EVD4UAV dataset has diverse altitudes (50m, 70m, 90m), vehicle attributes (color, type), fine-grained annotation (horizontal and rotated bounding boxes, instance-level mask) in top view with clear vehicle roof. One white-box and two black-box patch based attack methods are implemented to attack three classic deep neural networks based object detectors on EVD4UAV. The experimental results show that these representative attack methods could not achieve the robust altitude-insensitive attack performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google