基于深度学习的车辆重识别及其对抗攻击系统

工作内容：针对车辆图像，利用基于CNN的计算机视觉技术检测此车辆图片属于哪个车辆。我主要解决两个难点：1.相似车辆过多，2.同一车辆不同视角差异较大。针对第一个难点我利用变分自编码器增强车辆图像细节，针对第二个难点我将视角语义注入模型提升模型的视角感知能力。最后将算法部署到Linux服务器后端，并嵌入到SpringBoot服务中。针对车辆重识别模型进行对抗攻击，并验证了其脆弱性。针对度量学习的无类别特性设计了度量攻击方法AFNA（Average Furthest-Negative Attack），AFNA可以充分利用现有数据进行攻击，实现有目标攻击和无目标攻击的结合，同时使用的特征聚合方法可以提高攻击效率。