一个端到端的卷积网络联合检测和去噪敌对的扰动在车辆分类

1. [1]

   傅,h . y .;h·d·马;王,g . y .;张x m;张,y . f . MCFF-CNN:多尺度综合特性融合卷积神经网络基于剩余的车辆颜色识别学习。Neurocomputing395卷,178 - 187年,2020年。

   文章谷歌学术搜索

2. [2]

   他,k . m .;张x y;任,s .问:;太阳,j .深层残留图像识别的学习。:《IEEE计算机视觉与模式识别会议,770 - 778年,2016年。

3. [3]

   Szegedy c;Vanhoucke诉;约飞,美国;Shlens, j .;Wojna, z .反思初始架构计算机视觉。:《IEEE计算机视觉与模式识别会议,2818 - 2826年,2016年。

4. [4]

   哦,m;Cha, b;英国宇航系统公司,即;崔,g;Lim y城市autodriving算法基于sensor-weighted集成领域深入学习。电子产品1号卷。9日,158年,2020年。

   文章谷歌学术搜索

5. [5]

   Ronneberger o .;费舍尔,p;Brox t . U-Net:卷积网络生物医学图像分割。:医学影像计算和计算机辅助干预- MICCAI 2015。课堂讲稿在计算机科学中,卷》9351。布:;Hornegger, j .;井,w;Frangi, Eds。beplay登入施普林格可汗,234 - 241,2015。

   谷歌学术搜索

6. [6]

   刘,x c;刘,w;h·d·马;傅,h . y .大型车辆在城市监控视频鉴定。:《IEEE国际多媒体会议和博览会,2016年1 - 6。

7. [7]

   卓,l;江,l . y .;朱,z .问:;李,j·f·;张,j .;长,h . x车辆分类对大规模交通监控视频使用卷积神经网络。机器视觉和应用程序7号卷28日,793 - 802年,2017年。

   文章谷歌学术搜索

8. [8]

   赢了,m .智能交通监控系统车辆分类:一项调查。IEEE访问8卷,73340 - 73358年,2020年。

   文章谷歌学术搜索

9. [9]

   Kurakin, a;格拉汉姆·古德费勒,即;Bengio,美国对抗的例子在现实世界。arXiv预印本arXiv: 1607.02533, 2016。

10. [10]

    刘,y;陈,x;刘,c;歌,d .深入研究可转让的敌对的例子和黑盒的攻击。arXiv预印本arXiv: 1611.02770, 2016。

11. [11]

    Papernot:;麦克丹尼尔,p;Jha,美国;Fredrikson介绍m;侯赛因·z b;偶像,a .深度学习的局限性在敌对的环境中。:《IEEE欧洲Symposiumon安全和隐私,372 - 387年,2016年。

12. [12]

    卡拉拉,f;Falchi f;Caldelli r;阿马托,g;Fumarola r;Becarelli, r .检测对抗的例子深层神经网络的攻击。:学报》第15届国际研讨会在基于内容的多媒体检索,货号,38岁,2017。

13. [13]

    郭,f;赵,问:j .;李,x;旷,x h;张,j·w·;汉族,黄懿慧;棕褐色,Y.-A。检测通过对深层神经网络预测影响敌对的例子。信息科学501卷,182 - 192年,2019年。

    文章谷歌学术搜索

14. [14]

    Rakin, a s;粉丝,d . l . Defense-net:抵御各种敌对攻击通过对抗性的探测器。:《IEEE计算机学会学报在VLSI年会,332 - 337年,2019年。

15. [15]

    廖,f . z;梁,m;盾,y . p .;庞,t;胡,x l .;朱,j .防御敌对攻击使用高标准的表示法引导降噪。:《IEEE计算机视觉与模式识别会议,1778 - 1787年,2018年。

16. [16]

    穆斯塔法,a;汗,s . h .;是,m;沈,j·b·;邵,l .图像超分辨率作为防御敌对攻击。IEEE图像处理1711 - 1724卷。29日,2020年。

    MathSciNet文章谷歌学术搜索

17. [17]

    普拉卡什,a;莫兰:;加伯,美国;主导,a;仓库保管员,j .检测敌对攻击与像素检测。:《IEEE计算机视觉与模式识别会议,8571 - 8580年,2018年。

18. [18]

    谢,c·h·;吴,y . x;van der Maaten l;Yuille, a . l .;他,k . m .去噪特性改善敌对的鲁棒性。:《IEEE计算机视觉与模式识别会议,501 - 509年,2019年。

19. [19]

    Szegedy c;扎,w;Sutskever i;米菲,j .;Erhan d;格拉汉姆·古德费勒,即;费格斯,r .有趣的神经网络的性质。arXiv预印本arXiv: 1312.6199, 2013。

20. [20]

    格拉汉姆·古德费勒,i . j .;Shlens, j .;Szegedy, c .解释和利用对手的例子。arXiv预印本arXiv: 1412.6572, 2014。

21. [21]

    Moosavi-Dezfooli, s m;法瓦兹。,a;Frossard p . DeepFool:愚弄深层神经网络简单和准确的方法。:《IEEE计算机视觉与模式识别会议,2574 - 2582年,2016年。

22. [22]

    Madry, a;Makelov, a;施密特,l;d .齐;Vladu, a向深度学习模型对敌对攻击。arXiv预印本arXiv: 1706.06083, 2017。

23. [23]

    Metzen, j . h;Genewein t;费舍尔,诉;Bischofi, b .检测敌对的扰动。arXiv预印本arXiv: 1702.04267, 2017。

24. [24]

    Feinman r;科廷,r . r .;Shintre,美国;加德纳,a . b .敌对的样本检测工件。arXiv预印本arXiv: 1703.00410, 2017。

25. [25]

    梁,b;李,h . c;苏,m .问:;李x r;施,w . c;Wang x f检测敌对的图像示例深层神经网络与自适应降噪。IEEE可靠和安全的计算1号卷。18日,72 - 85年,2019年。

    文章谷歌学术搜索

26. [26]

    Papernot:;麦克丹尼尔,p;吴,x;Jha,美国;偶像,a .蒸馏作为国防对深层神经网络对抗的扰动。:《IEEE研讨会上的安全与隐私,582 - 597年,2016年。

27. [27]

    Carlini:;瓦格纳,d .评估神经网络的鲁棒性。:《IEEE研讨会上的安全与隐私,39-57,2017年。

28. [28]

    Samangouei p;Kabkab m;Chellappa, r . Defense-GAN:保护利用生成模型分类器对对手的攻击。arXiv预印本arXiv: 1805.06605, 2018。

29. [29]

    LeCun (y;Bottou l;Bengio y;基于Haffner, p .梯度学习应用于文档识别。IEEE学报》第十一卷。86年,2278 - 2324年,1998年。

    文章谷歌学术搜索

30. [30]

    桑塔·g·k;Grnarova, p .利用整个GAN防御对手的攻击。arXiv预印本arXiv: 1805.10652, 2018。

31. [31]

    霍华德·a·g·;朱,m;陈,b;Kalenichenko d;王,w;韦安德一道,t;Andreetto m;亚当,h。MobileNets:高效的移动视觉应用卷积神经网络。arXiv预印本arXiv: 1704.04861, 2017。

32. [32]

    文森特,p;Larochelle h;Bengio y;Manzagol, p . a .提取和编写健壮的特性与去噪汽车编码器。:25日,国际会议的程序在机器学习,1096 - 1103年,2008年。

33. [33]

    张,k;左,w . m .;陈,y . j .;孟,d . y .;张l .除了高斯降噪:残余学习深CNN的图像去噪。IEEE图像处理7号卷。26日,3142 - 3155年,2017年。

    MathSciNet文章谷歌学术搜索

34. [34]

    盾,z;裴,m t;他,y;刘,t;盾,y . m .;贾,y . d .车辆类型分类使用无监督卷积神经网络。:22日国际会议的程序模式识别、172 - 177年,2014年。

35. [35]

    杨,l . j .;罗,p;阿来,c . c;唐、x o .大规模汽车为细粒度的分类和验证数据集。:《IEEE计算机视觉与模式识别会议,3973 - 3981年,2015年。

36. [36]

    周,b . l .;科斯拉,a;Lapedriza, a;奥利瓦,a;Torralba, a .学习深度特性区别的本地化。:《IEEE计算机视觉与模式识别会议,2921 - 2929年,2016年。

下载参考