HyperAIHyperAI
منذ 16 أيام

EVD4UAV: معيار حساس للارتفاع لتجنب اكتشاف المركبات في الطائرات بدون طيار

Huiming Sun, Jiacheng Guo, Zibo Meng, Tianyun Zhang, Jianwu Fang, Yuewei Lin, Hongkai Yu
EVD4UAV: معيار حساس للارتفاع لتجنب اكتشاف المركبات في الطائرات بدون طيار
الملخص

كشف المركبات في الصور التي تم التقاطها بواسطة الطائرات بدون طيار (UAV) يُعد له تطبيقات واسعة في التصوير الجوي والاستشعار عن بعد. وقد تم اقتراح العديد من مجموعات البيانات المعيارية العامة للكشف عن المركبات وتعقبها في صور الطائرات بدون طيار. تُظهر الدراسات الحديثة أن إضافة لوحات مضادة (adversarial patch) على الكائنات يمكن أن تخدع نماذج الشبكات العصبية العميقة المدربة جيدًا للكشف عن الكائنات، مما يُثير مخاوف أمنية تجاه المهام اللاحقة. ومع ذلك، فإن مجموعات البيانات العامة الحالية قد تتجاهل التنوّع في الارتفاعات، وخصائص المركبات، والتصنيف الدقيق على مستوى الكائنات، خاصةً في الصور الجانبية ذات الأسطح العلوية للمركبات الضبابية، وبالتالي لا توجد أي منها مناسبة لدراسة مشكلة الهجمات القائمة على اللوحات المضادة للكشف عن المركبات. في هذا البحث، نُقدّم مجموعة بيانات جديدة تُسمى EVD4UAV، كمُعيار حساس للارتفاع، لاختبار قدرة تجنب الكشف عن المركبات في صور الطائرات بدون طيار، وتشمل 6,284 صورة و90,886 مركبة مُصنّفة بدقة عالية. تتميز مجموعة EVD4UAV بتنوع الارتفاعات (50 م، 70 م، 90 م)، وخصائص المركبات (اللون، النوع)، والتصنيف الدقيق (مربعات حدودية أفقية ومحورية، وأقنعة على مستوى الكائنات)، مع صور من الأعلى وسطح علوي واضح للمركبة. تم تنفيذ طريقة هجوم واحدة ذات معرفة كاملة (white-box) وطريقتين هجوميتين ذات معرفة محدودة (black-box) تعتمدان على اللوحات المضادة، بهدف استهداف ثلاثة نماذج شهيرة من كاشفات الكائنات القائمة على الشبكات العصبية العميقة على مجموعة EVD4UAV. أظهرت النتائج التجريبية أن هذه الطرق الهجومية الممثلة لم تتمكن من تحقيق أداء هجومي قوي ومستقل عن الارتفاع.

EVD4UAV: معيار حساس للارتفاع لتجنب اكتشاف المركبات في الطائرات بدون طيار | أحدث الأوراق البحثية | HyperAI