抗补丁攻击
通过细化注意力矩阵，大幅提升语义分割模型对补丁对抗攻击的鲁棒性。
Yuan, Zheng · 张杰 · Wang, Yude · Shiguang, Shan · 陈熙霖
International Journal of Computer Vision 2024
通过最大注意力抑制模块抑制注意力矩阵中的异常高响应，防止单一对抗补丁影响其他位置的分割结果。
鲁棒注意力机制可作为即插即用模块，兼容卷积神经网络和视觉Transformer等不同骨干网络，无需重新设计模型结构。
实验证明该方法在多种补丁攻击方法和不同攻击设置下均能有效提升模型鲁棒性。