【新智元简介】最新研究表明，只要印刷的贴纸能够“骗过”人工智能系统，那么最先进的检测系统就无法看到面前的真人。这项研究也可以用于实际的视频监控系统，引发了激烈的争论。
贴纸让你对人工智能“隐形”。
比利时鲁汶大学的几位研究人员最近进行的一项研究发现，借助简单的印刷图案可以完全绕过人工智能视频监控系统。
研究人员表示，他们设计这些图像是为了将整个人隐藏在计算机视觉系统之外。这项研究在开源对象识别系统YOLOv2上进行了演示。
如上图所示，AI系统成功检测到左边的人，而忽略了右边的人。右边的人身上挂着色的纸板片，论文称之为“敌对补丁”，这些补丁可以“欺骗”人工智能系统，使其无法检测到其他任何东西的存在。照片中的人。
这些技巧利用了一种称为对抗性机器学习的方法。大多数计算机视觉系统依靠训练卷积神经网络来识别不同的对象，方法是向其提供许多样本并调整参数，直到它可以正确地对对象进行分类。通过将样本输入经过训练的深度神经网络并监控输出，您可以推断哪些类型的图像使系统感到困惑。
他们发表了一篇题为“欺骗自动监控摄像头攻击人体检测的对抗性补丁”的论文，并发布了用于生成图像补丁的源代码。
地址
由此产生的补丁可以成功地将一个人隐藏在探测器的视野之外。例如，这种攻击可能会被恶意用来绕过监控系统，方法是在身体前面放置一小块纸板，同时面对监控摄像头以避免被发现。
研究表明，该系统会显着降低人体探测器的准确度。这种方法在现实场景中也很有效。
正如你在下面的演示中看到的，使用YOLOv2拍摄的视频和照片中的人、椅子、桌子等都被准确地检测到，但只要应用了这个“补丁”，系统就无法检测到人。
创建一个“魔法补丁”并在几秒钟内变得隐形。
他们是如何创造出这个神奇的“敌对补丁”的？
优化目标包括三部分
Lnps不可打印性分数，该因素表示普通打印机打印贴纸颜色的效果如何。我们有以下公式
其中ppatch是贴纸的像素，cprint是可打印颜色集中的颜色。C.这种损失对于确保图像中的颜色与可打印颜色集中的颜色密切相关很有用。
Ltv改变整个形象。这些损失函数损失确保优化器支持具有平滑颜色过渡的图像并避免图像噪声。Ltv可以根据P计算。
如果相邻像素相似，则得分较低；如果相邻像素不同，则得分较高。
Lobj图像中的最大对象得分。该补丁的目标是隐藏图像中的人物。因此，训练目标是最小化检测器输出的目标或类别分数。将这三个部分相加就得到了总损失函数。
这三个部分使用凭经验确定的因子和进行扩展，然后使用Adam算法进行求和和优化。优化器的目标是最小化总损失L。在优化过程中，我们冻结网络中的所有权重，仅更改补丁中的值。当进程启动时，补丁将使用随机值进行初始化。
图3显示了按照与计算类别概率相同的过程来计算目标损失。
YOLOv2对象检测器输出一个单元格网格，每个单元格包含一组锚点。每个锚点包含边界框的位置、对象概率和类别分数。为了让检测器忽略图像中的人，研究人员尝试了三种方法最小化类人分类概率、最小化对象得分或两者的组合。
研究人员分别尝试了每种方法。如果您最小化班级分数，班级内的人将倾向于转到其他班级。在使用在MSCOCO数据集上训练的YOLO检测器进行的实验中，研究人员发现生成的贴纸在COCO数据集上被检测为不同的类别。图4a和4b分别是使用类概率和实体概率的示例。
研究人员提出的另一种最小化客观性分数的方法不会遇到这个题。尽管在优化过程中仅放置在“人物”类别上，但与其他方法相比，生成的贴纸对于特定类别的针对性较低，如图4c所示。
研究团队尝试了各种类型的补丁，包括随机生成的图像噪声和模糊图像，发现经过多次随机处理的物体照片效果最好。
例如，他们提出的图像补丁图4c是通过随机选择图像、旋转图像、随机放大和缩小图像、随机添加噪声以及随机修改其准确性和对比度来生成的。
实验结果报警明显降低。监控摄像头还安全吗？
通过实验结果评估补丁的有效性。该过程与训练过程相同，并且通过将结果应用到Inria测试集来评估结果。
换句话说，研究人员询有多少监控系统生成的警报可以使用贴纸绕过。
上表显示了使用各种贴纸进行警报触发分析的结果。您可以清楚地看到，使用贴纸可以显着减少警报的数量。
上图展示了一个示例，比较在Inria测试集上使用不同贴纸的效果。YOLOv2检测器首先用于没有补丁的图像，然后使用随机贴纸和生成的贴纸。在大多数情况下，贴纸可以成功地将人们隐藏在探测器之外。如果不合适，贴纸可能不太适合这个人。这是因为在优化过程中，贴纸的中心对齐仅由图像边框决定。
上图测试了打印的贴纸在现实世界中的外观。一般情况下，效果还是不错的。出于上述图像训练对齐原因，将贴纸保持在正确的位置似乎非常重要。
这样创建的“补丁”可以应用在衣服、包包和其他物体上，而佩戴这个“补丁”的人就会变得——隐形，无法使用AI检测算法检测到。
此方法还可用于隐藏特定对象。例如，如果监视系统被设计为检测非人类物体，那么“补丁”也可能隐藏汽车等物体。
这个技巧将帮助者躲避安全摄像头。“我们的研究表明，使用对抗性补丁可以绕过摄像头监控系统，”合著者WiebeVanRanst说。
VanRanst表示，将这种方法应用于商业视频监控系统并不会太困难。“目前我们需要知道正在使用哪些探测器。展望未来，我们想要做的是创建可以同时在多个探测器上工作的补丁，”他说。“如果这种方法有效，那么该补丁很可能也适用于监控系统中使用的探测器。”
当然，这个“补丁”目前并不完美，如果照片中看不清楚或者角度发生变化，AI系统可能会很快“发现”照片中的人。
但这项研究是学术界首次尝试使用2D打印技术来隐藏人类免受检测系统的影响。之前的研究主要集中在使用带有特殊镜框的眼镜来欺骗面部识别软件，或者使用对抗性示例来欺骗图像分类系统。你甚至可以欺骗自动驾驶系统，让它认为香蕉是烤面包机，然后驶入对面的车道。
论文地址
开源地址
一、word怎么用文字的红色隐形框？
要在Word中的文本中添加红色隐形框，可以按照以下步骤操作
打开Word文档并选择需要添加的文本作为红色隐形框。
单击工具栏中的“边框”按钮，然后选择“边框和底纹”。
在弹出的对话框中，选择“方框”样式，选择“点线”作为线条类型，选择“红色”作为颜色。
单击“应用到”选项并选择“文本”。
检查设置后，单击“确认”按钮。
此时，所选文本中会添加一个红色虚线框。该框默认可见，但如果需要隐藏它，可以设置边框透明度。不过Word本身并不支持直接创建完全不可见的边框，因此这仅提供了视觉上不可见的效果。
二、ai有隐形的边框线为什么？
这就是为什么人工智能有一个看不见的边界
也许文字有画板。单击画板工具，并确保文本边框右上角有一个“x”。单击“x”将删除画板。
三、隐形暗装方形内嵌扣手怎么拆装？
请参考以下步骤拆卸和安装隐形隐藏式方形内置扣把手。准备工具准备好合适的螺丝刀、扳手等工具，保证工具的适用性和准确性，避免对扣柄造成不必要的损坏。结构观察首先仔细观察隐形隐藏方形内置扣的安装位置和结构，了解安装方法和固定螺钉的位置，以便您更快速、更准确地拆卸和安装。拆卸螺丝使用合适的螺丝刀松开固定螺丝，注意螺丝的尺寸和数量，并确保每个螺丝都正确拆卸。轻轻提起隐藏式带扣手柄。使用合适的工具（例如小撬棒）轻轻撬动隐藏式带扣手柄，并小心谨慎，以免损坏带扣手柄或周围结构。取下卡扣手一边轻轻提起，一边慢慢将隐藏式卡扣手从孔中取出。注意不要用力过大，以免损坏周围结构和扣手。安装新的闩锁手将新的闩锁手放入孔中，确保位置正确，然后按照相反的步骤安装，先固定螺钉，然后轻轻抬起闩锁手，检查闩锁手是否正确固定。牢固地安装在孔中。检查紧固性安装完成后，检查各螺丝是否拧紧，确保卡扣紧固、稳定。以上步骤仅供参考，具体任务可能因产品而异。如果您有任何疑或需要更详细的指导，我们建议您联系专家或接受制造商提供的售后服务。
本篇文章讲解关于怎么剪辑人物隐身边框这类热门话题，和一些人物隐身特效相关信息，希望能帮助到大家。
No Comment