科研之友
微信
新浪微博
Facebook
分享链接
摘要
无人机凭借其优越的机动性被广泛应用于远距离和复杂环境的关键任务之中，其中基于深度神经网络的无人机目标检测在军事侦察、工业巡检中发挥着重要作用，但也为无人机系统安全带来潜在的风险。针对无人机深度目标检测网络，基于投影梯度提出一种目标梯度对抗样本攻击算法，根据目标检测多任务学习的特点控制目标损失函数生成目标性对抗样本。在TPH-YOLOv5与ECascade-RCNN两种不同结构的无人机图像目标检测模型中，将对抗样本攻击方法在无人机图像数据集VisDrone上展开实验分析。与现有攻击算法相比，算法在攻击成功率与攻击效率上具有显著优势，并且具有更好的模型可用性，对单阶段与两阶段目标检测模型均可实现多类目标性攻击。
-
单位空军工程大学信息与导航学院
