| 講演名 | 2019-12-06 単眼深度推定CNNにおける敵対的画像生成 山中 幸一郎(名大), 松本 隆太郎(名大), 高橋 桂太(名大), 藤井 俊彰(名大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 近年,畳み込みニューラルネットワーク (CNN) を用いたクラス分類問題 ? 物体認識問題において, Adver- sarial Examples ( 敵対的画像生成 ) の研究が盛んに行われている.敵対的画像生成とは, CNN への入力画像に摂動を 加えることで CNN を騙し,誤推定を意図的に誘発させる手法である.敵対的画像生成は主に 2 種類に分類され,入 力画像全体のピクセル値を僅かに変更する手法と入力画像の局所領域に特定のパターン ( 敵対的パッチ画像 ) を上書き する手法の 2 種類が存在する.後者の手法は敵対的画像生成の中でも特に Adversarial Patch Attack ( 敵対的パッチ画 像生成 ) と呼ばれ,最近の研究では現実世界における敵対的画像生成も提案されている.すなわち,敵対的パッチ画像 をカメラで撮影することで,クラス分類 CNN や物体認識 CNN を騙すことができる.しかし,回帰問題における敵対 的画像生成はあまり研究されていない.そこで,本稿では回帰問題,特に単眼深度推定 CNN における敵対的画像生 成手法を提案する.提案手法を用いることで,単眼深度推定 CNN の深度推定結果を任意に操作できる敵対的パッチ 画像が生成できることを実験により示す. |
| 抄録(英) | Adversarial examples for classification and object recognition problems using convolutional neural net- works (CNN) have attracted much attention in recent years. By adding perturbations to an input image of a CNN, adversarial attack is able to intentionally induce erroneous inferences. Adversarial attack is roughly classified into two types. The one is a method that slightly changes the pixel values of an entire input image, and the other is a method that overwrites a specific pattern (adversarial patch) on a local region of the input image. The latter method is called the adversarial patch attack, and recently real world attack was proposed by using this method. In other words, the classification CNN and the object recognition CNN could be deceived by taking a printed adversarial patch with a camera. However, adversarial attacks on regression problems have not been studied well. In this paper, we propose an adversarial attack method for regression problem, especially for monocular depth estimation CNN. We demonstrate that our method is capable of generating adversarial patches that can arbitrarily manipulate the output of the monocular depth estimation. |
| キーワード(和) | 単眼深度推定 / CNN / 敵対的画像生成 / 敵対的パッチ画像 |
| キーワード(英) | Monocular Depth Estimation / CNN / Adversarial Examples / Adversarial Patch |
| 資料番号 | CS2019-83,IE2019-63 |
| 発行日 | 2019-11-28 (CS, IE) |
| 研究会情報 | |
| 研究会 | IE / CS / IPSJ-AVM / ITE-BCT |
|---|---|
| 開催期間 | 2019/12/5(から2日開催) |
| 開催地（和） | アイーナ いわて県民情報交流センター |
| 開催地（英） | Aiina Center |
| テーマ（和） | 画像符号化，通信・ストリーム技術，一般 |
| テーマ（英） | Image coding, Communications and streaming technologies, etc. |
| 委員長氏名（和） | 木全 英明(NTT) / 中里 秀則(早大) / 内藤 整(KDDI総合研究所) / 斎藤 恭一(NHK) |
| 委員長氏名（英） | Hideaki Kimata(NTT) / Hidenori Nakazato(Waseda Univ.) / Sei Naito(KDDI Research, Inc.) / Kyoichi Saito(NHK) |
| 副委員長氏名（和） | 児玉 和也(NII) / 高橋 桂太(名大) / 寺田 純(NTT) / / 村田 英一(京都大) / 深澤 知巳(TBS) |
| 副委員長氏名（英） | Kazuya Kodama(NII) / Keita Takahashi(Nagoya Univ.) / Jun Terada(NTT) / / Eichi Murata(Kyoto Univ.) / Tomomi Fukazawa(TBS) |
| 幹事氏名（和） | 早瀬 和也(NTT) / 松尾 康孝(NHK) / 金井 謙治(早大) / 名倉 健一(三菱電機) / 越智 大介(NTT) / 亀田 裕介(東京理科大) / 徐 建鋒(KDDI総合研究所) / 神原 浩平(NHK) / 鈴村 高幸(テレビ朝日) / 和泉田 智志(日本テレビ) / 福本 正義(NEC) / 大内 幹博(パナソニック) |
| 幹事氏名（英） | Kazuya Hayase(NTT) / Yasutaka Matsuo(NHK) / Kenji Kanai(Waseda Univ.) / Kenichi Nakura(Mitsubishi Electric) / Daisuke Ochi(NTT) / Yusuke Kameda(Tokyo Univ. of Science) / Xu Jianfeng(KDDI Research, Inc.) / Kohei Kambara(NHK) / Takayuki Suzumura(TVAsahi) / Satoshi Izumida(NTV) / Masayoshi Fukumoto(NEC) / Mikihiro Ouchi(Panasonic) |
| 幹事補佐氏名（和） | 海野 恭平(KDDI総合研究所) / 福嶋 慶繁(名工大) / 原 一貴(NTT) / 斉藤 洋之(OKI) / / 岡田 実(奈良先端科学技術大学院大学) / 湯川 純(三菱電機) / 津田 貴生(NHK) |
| 幹事補佐氏名（英） | Kyohei Unno(KDDI Research) / Norishige Fukushima(Nagoya Inst. of Tech.) / Kazutaka Hara(NTT) / Hiroyuki Saito(OKI) / / Minoru Okada(Nara Institute of Science and Technology) / Jun Yukawa(Mitsubishi Electric Corporation) / Takao Tsuda(NHK) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Image Engineering / Technical Committee on Communication Systems / Special Interest Group on Audio Visual and Multimedia Information Processing / Technical Group on Broadcasting and Communication Technologies |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 単眼深度推定CNNにおける敵対的画像生成 |
| サブタイトル（和） | |
| タイトル（英） | Adversarial Examples for Monocular Depth Estimation |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 単眼深度推定 / Monocular Depth Estimation |
| キーワード(2)（和/英） | CNN / CNN |
| キーワード(3)（和/英） | 敵対的画像生成 / Adversarial Examples |
| キーワード(4)（和/英） | 敵対的パッチ画像 / Adversarial Patch |
| 第 1 著者 氏名（和/英） | 山中 幸一郎 / Koichiro Yamanaka |
| 第 1 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 2 著者 氏名（和/英） | 松本 隆太郎 / Ryutaroh Matsumoto |
| 第 2 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 3 著者 氏名（和/英） | 高橋 桂太 / Keita Takahashi |
| 第 3 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 4 著者 氏名（和/英） | 藤井 俊彰 / Toshiaki Fujii |
| 第 4 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 発表年月日 | 2019-12-06 |
| 資料番号 | CS2019-83,IE2019-63 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | CS-323,IE-324 |
| ページ範囲 | pp.91-95(CS), pp.91-95(IE), |
| ページ数 | 5 |
| 発行日 | 2019-11-28 (CS, IE) |