排序方式： 共有3条查询结果，搜索用时 171 毫秒
1
1.
采用公开数据集或预训练好的神经网络模型可以快速实现图像分析、语音识别等应用，但存在一定的风险或威胁。攻击者可以通过向开源训练数据或者训练模型中嵌入后门，使模型在接收到带有触发功能的数据时执行指定的后门行为。目前，图像识别的后门攻击采用的后门触发器大多在视觉上容易被发现，为此，文中提出一种基于图片边界后门嵌入的图像识别攻击方法。该方法向训练图片边界添加窄的有色带作为后门触发器，利用隐蔽的外形逃避视觉关注。在MNIST、CIFAR-10等图像识别数据集上对所提方法进行测试，实验结果表明，该后门可以稳定注入，并在毒药率为30%时，攻击成功率达到99.73%。相比于其他两种常见的后门攻击方法，所提方法攻击成功率更高，具有较强的攻击性和鲁棒性。 相似文献
2.
针对现有行人重识别算法因细节信息关注不足导致的判别性不强问题,提出了一种基于注意力机制的多级特征级联行人重识别算法.首先,通过级联不同深度的特征实现对不同层级特征的充分利用,以补充高层级特征中的细节信息.然后,引入一对互补的注意力机制模块,以融合特征图中相似的像素及通道,弥补特征中的空间位置信息,提高特征的判别性.最后,在Market-1501、DukeMTMC-ReID、CUHK03数据集上进行了大量实验.结果 表明,本算法的识别精度和平均准确率优于大多数当前的主流算法. 相似文献
3.
针对现有行人重识别算法因细节信息关注不足导致的判别性不强问题,提出了一种基于注意力机制的多级特征级联行人重识别算法.首先,通过级联不同深度的特征实现对不同层级特征的充分利用,以补充高层级特征中的细节信息.然后,引入一对互补的注意力机制模块,以融合特征图中相似的像素及通道,弥补特征中的空间位置信息,提高特征的判别性.最后,在Market-1501、DukeMTMC-ReID、CUHK03数据集上进行了大量实验.结果 表明,本算法的识别精度和平均准确率优于大多数当前的主流算法. 相似文献
1