AREOD:对抗性鲁棒性评估，用于目标检测

【文件属性】：
文件名称：AREOD:对抗性鲁棒性评估，用于目标检测
文件大小：49KB
文件格式：ZIP
更新时间：2021-04-04 15:28:41
Python AREOD 该存储库包含AREOD （用于对象检测的对抗鲁棒性评估）的代码，这是一个Python的库，用于进行对抗性机器学习研究，以正确地对标目标检测中的对抗性鲁棒性。 该存储库仍在开发中，我们使用3种针对对象检测模型的攻击来对逆向鲁棒性进行基准测试。 功能概述： 建立在tensorFlow上，并通过给定的接口支持TensorFlow和Kerasa模型 支持各种威胁模型中的多种攻击 提供现成的预训练基线模型（faster-rcnn-inception-v2-coco，多尺度GTRSB） 为bencmark模型提供方便的工具，并使用printor打印生成的对抗性样本 攻击方法清单 我们使用3种攻击方法生成对抗示例，下面的论文对此进行了介绍 ， ， ，。 稍后，我们使用连接的打印机将对抗性示例打印出来，以提供更高的性能基准。 安装 git clone https://github.c

【文件预览】：
AREOD-master
----setup.py(684B)
----.gitignore(2KB)
----patches()
--------object_detection_api.diff(822B)
--------lucid.diff(6KB)
----requirements.txt(960B)
----LICENSE(1KB)
----README.md(3KB)
----example()
--------faster_rcnn_inception_v2_coco.py(15KB)
--------multiscale.py(4KB)
----build.sh(576B)
----areod()
--------loss()
--------model()
--------dataset()
--------__init__.py(133B)
--------samples()
--------utils.py(1KB)
--------attack()
--------print()
--------generator()