 |
|
登录 注册 |
| 浙大论坛 > 招聘栏目 > 浏览当前帖子 | 最新帖子进站窗口排行在线会员隐藏左侧栏 |
| 算力自由So easy！全球首个针对目标检测算法的对抗攻击竞赛助你大丰收！ | |
| 【返回本版】 【发表帖子】 【回复帖子】 | 浏览量 706 回帖数 0 |
 |
vain 等级 ★★★★ 楼主 发表于 2020/7/9 21:20:28 编 辑 |
 CIKM2020 安全AI挑战者计划第四期：通用目标检测的对抗攻击 全球首个针对目标检测算法的对抗攻击竞赛 https://tianchi.aliyun.com/competition/entrance/531806/introduction?spm=5176.12281949.1003.3.493e3eafjasYL6&lang=zh-cn 你是否因疫情在家服务器短缺？ 你是否想畅快的体验算力自由？ 你是否想挑战高难度目标检测攻击场景？ 这是一个既可以获得奖金荣誉阿里校招绿通还可以去顶会当speaker的比赛！ 在MS COCO经典数据集上，场景更通用、攻击自由度更大、任务更复杂 清华世界冠军的题目，就是有趣，有料，有收获！ 组队报名，搞起来！  题目简介：为了发现目标检测模型的脆弱性、为此领域的工作者敲响警钟。我们举办了全球首个结合黑盒白盒场景，针对多种目标检测模型的对抗攻击竞赛。比赛采用COCO数据集，其中包含20类物体。任务是通过向原始图像中添加对抗补丁（adversarial patch）的方式，使得典型的目标检测模型不能够检测到图像中的物体，绕过目标定位。为了更好的评价选手的攻击效果，我们创造了全新的得分计算准则。除了加入攻击成功率之外，我们还对添加补丁的数量和大小进行了约束。选手添加的补丁数量、修改的像素和模型识别到的包围盒越少，则代表攻击更加成功，得分则越高。为了保证比赛的难度，我们选取了4个近期的State-of-the-art检测模型作为攻击目标，包括两个白盒模型——YOLO v3和Faster RCNN和另外两个未知的黑盒模型。 本次比赛对于参赛选手是个前沿既热门的领域，包括对抗补丁攻击的迁移性等都仍未被深入研究。参赛选手挑战高难度目标检测攻击场景，或者宝贵经验的同时，也可以进一步钻研，把在比赛中的一些经验和技巧转化为学术论文，工程和学术两不误。 ●报名入口：详细玩法服务器奖励一扫便知  ●钉钉扫码加入对抗样本社区，遇到同路人  8月还有惊喜活动，快报名，高定礼物等你来！ |
|
| 1 |
| 论坛帮助 友情链接 会员认证删帖申请 联系我们 |