基于无锚框模型目标检测任务的语义集中对抗样本
来源：计算机应用与软件杂志2025年第7期北京时间：
作者：谢云旭, 吴锡, 彭静
摘要：深度神经网络容易受到对抗样本的干扰。现有的针对无锚框目标检测器对抗样本的研究较为缺乏，导致此类模型更易受到对抗样本的影响。为改善这种情况，采用一种针对无锚框目标检测器的对抗样本通用框架，其基于识别到的类快速进行梯度收集，其比基于单个候选框生成扰动的方法效率更高。同时提出一个提取语义信息编码的方法，使得对抗扰动仅集中于图像中语义信息丰富的区域，使得产生的扰动更为稀疏和集中。在两个数据集上的结果表明该方法在白盒和黑盒实验中都达到了最先进的性能，可为此类网络鲁棒性的改进优化提供支撑。
关键词：对抗样本, 语义信息, 目标检测, 无锚框模型, 深度学习
