- …
- …
#386
summarized by : Haruhi Shida
どんな論文か？
本論文では物体検出における既存の手法のロバスト性の低さを課題として設定，検出ロバストネスのボトルネック(物体検出器が敵対的学習から非常に限られたロバスト性を得る一方で、クリーンな画像ではその性能の一部を捨ててしまう)について検討した．また得られた結果から敵対的認識畳み込みに基づくRobustDetを提案した．
新規性
経験的に、検出ロバスト性のボトルネックを分析し、ロバストな物体検出器のための清浄画像と敵対的画像の学習の間の矛盾を検証する(これまで検出器の敵対的摂動に対抗するためにこれらの攻撃をいかに防御するかという難しい対策に焦点を当てた研究はほとんどない)．
また敵対的な画像を考慮した畳み込み学習によるロバスト検出モデル(RobustDet)を提案する．
結果
損失変化と勾配干渉からの実証分析により，検出ロバスト性のボトルネックは主に物体検出器のクリーン画像と敵対画像の学習における競合に起因していることが示された．
実験で提案手法がクリーンな画像に対する性能を落とすことなく、モデルのロバスト性を大幅に向上させることができることが実証された．(添付画像)
その他（なぜ通ったか？等）
- …
- …