自動運転におけるセマンティックセグメンテーションの堅牢性評価

• 深層学習は画像認識で高い性能を発揮するが、脆弱性が指摘されている。
• 本研究では、デジタルおよび実世界の敵対的パッチの影響を評価する。
• 新たな攻撃手法を提案し、実際の運転シナリオでの効果を検証した。

深層学習モデルは画像認識タスクで優れた性能を示しますが、敵対的な攻撃に対する脆弱性が懸念されています。本論文では、セマンティックセグメンテーションモデルの堅牢性を評価し、デジタルおよび実世界の敵対的パッチの影響を調査します。特に、実際の運転シナリオでの攻撃手法の効果を検証することで、実用性に関する新たな知見を提供します。自動運転技術に関心のある研究者やエンジニアにとって興味深い内容です。

自動運転技術や機械学習に関心がある研究者やエンジニアに向いています。