이 논문은 객체 탐지 딥러닝 모델의 강건성을 평가하기 위한 효율적인 알고리즘인 Triple-Metric EvoAttack(TM-EVO)을 소개한다. TM-EVO는 다중 지표 적합도 함수를 사용하여 효과적인 적대적 테스트 입력을 생성하고, 최소한의 교란을 유지하는 진화 탐색을 수행한다.
TM-EVO는 DETR과 Faster R-CNN 객체 탐지 모델, COCO와 KITTI 데이터셋을 사용하여 평가되었다. 결과는 TM-EVO가 기존 EvoAttack 기준선보다 평균 60% 더 적은 노이즈로 공격을 생성할 수 있음을 보여준다. 또한 L2 노이즈 측정에서도 TM-EVO가 더 나은 성능을 보였다. 이러한 노이즈 감소 성능 향상은 실행 시간 증가 없이 달성되었다.
TM-EVO의 핵심 기여사항은 다음과 같다:
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Cristopher M... at arxiv.org 04-29-2024
https://arxiv.org/pdf/2404.17020.pdfDeeper Inquiries