面向铁路客运场景的对抗鲁棒性人头检测模型

作者：随玉腾; 戴琳琳; 朱宇豪; 景辉

来源：铁路计算机应用, 2023, 32(06): 14-19.

• 目标检测
• 对抗攻击
• 人头检测
• 图像处理
• 卷积神经网络(CNN)

基于人头检测的人群数量估计算法能为铁路客运车站应对突发客流、防止人群聚集提供有效的决策辅助，但人头检测使用的深度学习模型易受到对抗样本影响。为提升深度学习模型的对抗鲁棒性，建立了基于RetinaNet算法的人头检测模型；在Brianwash数据集上分别使用快速梯度符号法（FGSM,Fast Gradient Sign Method）和投影梯度下降（PGD,Projected Gradient Descent）2种对抗攻击方法生成对抗样本，初始模型在对抗样本数据集上的m AP值均有显著下降，验证了对抗攻击对模型性能影响的有效性；再对模型进行对抗训练，对抗训练后的模型在各类对抗样本验证数据集上的m AP值均有显著提升。实验结果表明，对抗训练后的人头检测模型能有效防御对抗样本的攻击，提升模型检测性能和对抗鲁棒性。

• 单位
  中国铁道科学研究院集团有限公司