文章图片

文章图片
11 用于决策黑盒模型的自适应历史驱动攻击
Adaptive History-driven Attack for Decision-based Black-box Models
基于决策的黑盒攻击是指在只有目标模型的 top-1 标签可用时构造对抗样本 。一种常见的做法是从一个大的扰动开始 ， 然后用一个确定的方向和一个随机的方向迭代地减少它 ， 同时保持它的对抗性 。由于每次查询获取的信息有限和方向采样效率低下 ， 很难在有限的查询次数内获得足够小的扰动 。为了解决这个问题 ， 我们提出了一种新的攻击方法 ， 称为自适应历史驱动攻击（AHA） ， 它从所有历史查询中收集信息作为当前采样的先验 ， 以提高性能 。此外 ， 为了平衡确定性方向和随机方向 ， 我们根据实际幅度减少与预期幅度减少的比率动态调整系数 。这种策略提高了优化过程中查询的成功率 ， 让对抗样本沿着决策边界快速移动 。我们的方法还可以与子空间优化（如降维）相结合 ， 以进一步提高效率 。在 ImageNet 和 CelebA 数据集上进行的实验表明 ， 在相同数量的查询下 ， 我们的方法平均降低了至少 24.3% 的扰动幅度 。最后 ， 我们通过对流行的防御方法和 MEGVII Face++ 提供的APIs进行评估来证明我们方法的实际效果 。

文章图片

文章图片
12 高质量解耦显著对象检测
Disentangled High Quality Salient Object Detection
近年来 ， 随着数字设备的发展 ， 越来越多的计算机视觉任务需要处理高清图像 ， 比如视觉显著性检测任务 。现有的显著性检测方法处理高清图片时 ， 主要会面临两个问题 。第一个问题是现有的方法往往无法同时精确捕捉高清图片的语义信息和边界细节 。为了解决这个问题 ， 我们将高清显著性检测任务解耦为低分-分类和高分-回归任务 。在低分辨率阶段 ， 我们提出LRSCN网络充分捕捉图片的语义信息；在高分辨率阶段 ， 我们提出HRRN回归得到精确的边界细节 。第二个问题是现有的高清显著性检测算法需要额外的高清标注数据训练网络 ， 因而需要较大的标注代价 。为了解决这个问题 ， 我们在训练阶段使用uncertainty loss ， 因而不需要额外的高清训练数据训练HRRN 。我们提出的方法在HRSOD-TE ， DAVIS-S两个高清数据测试集 ， 以及DUTS-TE ， SOC等6个低分辨率测试数据集上都达到了SOTA的效果 。

文章图片

文章图片
13 基于双路关系互补的多标签识别方法
Transformer-based Dual Relation Graph for Multi-label Image Recognition
多标签识别的主要目标是同时识别一幅图像中的多个对象 。现有的大多数工作主要通过学习标签共现依赖关系从而增强特征的语义表达 ， 而忽略了图像中多个物体间的空间依赖关系 。对此 ， 本文提出一种基于Transformer的双路互补关系学习框架来联合学习空间依赖与共现依赖 。针对空间依赖 ， 该方法提出跨尺度Transformer建模长距离空间上下文关联；针对共现依赖 ， 该方法提出类别感知约束和空间关联引导 ， 基于图神经网络联合建模动态语义关联 ， 最后联合这两种互补关系进行协同学习得到鲁棒的多标签预测结果 。实验结果表明 ， 该方法在经典多标签识别数据集MS-COCO 和VOC 2007上均超过SOTA 。

• 怎么看腾讯看点历史记录（腾讯看点历史记录查询步骤详解）
• 拥抱全真互联时代，大中华区艾菲与腾讯云企点营销战略合作再升级
• 腾讯会员到期日怎么看（腾讯会员到期日查询方法）
• 腾讯会议号在哪（腾讯会议号查看方法一览）
• LOL手游先锋测试资格和腾讯信用分有关系吗（LOL手游首测资格和腾讯信用分关系解析）
• 部落冲突腾讯版在哪下载（部落冲突腾讯版下载地址分享）
• 腾讯云游戏品牌腾讯先游升级为“腾讯先锋”
• 腾讯视频能不能同时登陆两个手机（腾讯视频同时登陆两个账号操作说明）
• 腾讯投资智慧能源创新服务商深度智控
• 重庆市巫溪县牵手腾讯 助力数字经济腾飞