10.16798/j.issn.1003-0530.2021.09.007
SAR图像稀疏对抗攻击
基于深度学习的图像解译技术在多个领域都取得了巨大成功,在合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类、检测、分割等问题中也逐渐开始广泛应用.现有的SAR图像分类深度学习模型由于训练数据集样本量较小易过拟合,样本的微小改变易导致模型分类错误,产生对抗攻击现象.针对上述问题,本文从攻击方法、攻击结果和攻击目标三方面说明了SAR图像对抗攻击存在的问题和挑战.本文聚焦SAR图像的稀疏性,具体阐述了稀疏攻击提出背景和SAR图像中稀疏性的表现形式,并就常见稀疏攻击方法进行分析总结.文章在MSTAR数据集上验证了现有的稀疏攻击方法的有效性,分析了算法计算效率和成功率、耗时等指标,并对SAR图像分类稀疏对抗攻击方法进行展望.
合成孔径雷达;自动目标识别;深度学习;对抗攻击;稀疏攻击
37
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61971426
2021-11-08(万方平台首次上网日期,不代表论文的发表时间)
共11页
1633-1643