带了个对抗图像块,YOLOv2竟然无法识别我是人( 六 )

如果相邻像素比较相似,则分数较低;反之,则分数很高。

L_obj:图像中的最大 objectness 分数。对抗图像块的目标是隐藏图像中的人。为此,该研究的训练目标是最小化检测器输出的目标或类别分数。

总损失函数由这三个损失函数组成:

研究者将根据实验确定的因子 α 和 β 缩放的三个损失相加,然后利用 Adam 算法进行优化。

该优化器的目标是最小化总损失 L。在优化过程中,研究者冻结网络中的所有权重,只改变对抗图像块中的值。优化开始时,根据随机值初始化对抗图像块。

图 3 概述了目标损失的计算过程,类别概率也是根据相同的过程计算的。

带了个对抗图像块,YOLOv2竟然无法识别我是人

图5/9

图 3:计算目标损失的过程。

实验

研究者使用和训练时相同的过程,将对抗图像块应用于 Inria 测试集以进行评估。在实验过程中,研究者最小化一些可能隐藏人的不同参数。作为对照,研究者还将其结果与包含随机噪声的图像块进行了比较,二者的评估方式完全一样。

推荐阅读