Derin Öğrenme Tabanlı Çekişmeli Örneklerin Görsel Kalitesinin Artırılması

Date

2022-5-1

Author

Temizel, Alptekin

Metadata

Show full item record

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Item Usage Stats

163
views

82
downloads

Cite This

Derin öğrenme temelli imge sınıflandırma, imge özetleme, nesne tespiti yöntemlerinin gerçek dünya uygulamalarında kullanılmaya başlaması bu yöntemlerin güvenilirliği konusunu da gündeme getirmiştir. Derin öğrenme ağlarının çekişmeli saldırılar (adversarial attacks) ile üretilen örnekler (adversarial examples) kullanılarak kandırılmalarının mümkün olduğu gösterilmiştir. Çekişmeli örnekler, modelin hata yapmasını sağlamak için kasıtlı olarak tasarlanan girdilerdir. Çekişmeli saldırılar ile bu örnekler üretilirken imgeye özel olarak üretilmiş ve rastgele olmayan bir gürültü eklenir. Bu eklenen gurultu ağın performansını azaltmayı hedefler ve başarılı bir saldırı ağın yanlış sonuç üretmesine yol açar. Eklenen gürültü, piksel değerlerini değiştiriyor olması nedeniyle insan gözü tarafından da görülebilir yüksek frekanslı değişimlere yol açar. Bu sebeple çekişmeli örneklerin ağı yanıltarak yanlış sonuç üretmesine sebep olmasının yanı sıra bunu sağlarken en düşük düzeyde gürültü eklenmesi istenmektedir. Bu projede imge sınıflandırma ağlarına yönelik çekişmeli saldırılar üzerine çalışılmıştır. Çekişmeli örneklerin gürültü seviyesini azaltmak amacıyla üç özgün yöntem geliştirilmiştir. İlk yöntem maskeleme kullanılarak sadece ağ performansını etkileyecek bölgelere eklenmesidir. Bu sayede eklenmesi gerekli olmayan bölgelere gürültü eklenmesinin önüne geçilmiş ve gürültünün insan gözü tarafından daha zor algılanması sağlanmıştır. İkinci yöntem saldırıların YUV uzayında yapılmasıdır. Renk bilgisine eklenen gurultunun komşu pikseller arasında ani renk değişimlerine sebep olarak doğal olmayan görüntüler ortaya çıkarttığı gözlemlenmektedir. YUV renk uzayında saldırıya izin verecek olan ağların kullanımı ile gürültünün parlaklık ve renk bilgisine ayrı ayrı eklenmesi mümkün olmuştur, en iyilemenin de bu uzayda yapılması sonucu daha düşük seviyede renk gürültüsü ve toplamda daha az gürültü ekleyecek şekilde eniyileme sağlanabilmiştir. Üçüncü yöntemde ise derin ağların küçük (birkaç piksel) kaymalara karşı hassas olduğu bilgisinden faydalanılmıştır. Hedefli olarak uygulanacak birkaç piksellik ya da piksel altı düzeyde kaymalarla ağların yanıltılması sağlanmıştır. Bu üç yöntem paralel olarak geliştirildikten sonra projenin son safhasında bu yöntemlerin etkin biçimde bir arada kullanılması üzerine çalışılarak bu yöntemleri bir araya getiren ve toplu halde en iyileme yapan nihai saldırı ortaya çıkarılmıştır.

Subject Keywords

Derin Öğrenme, Çekişmeli Örnekler, İmge Sınıflandırma, Deep Learning, Adversarial Samples, Image Classification

URI

https://search.trdizin.gov.tr/tr/yayin/detay/1222674/derin-ogrenme-tabanli-cekismeli-orneklerin-gorsel-kalitesinin-artirilmasi
https://hdl.handle.net/11511/113784

Collections

Graduate School of Informatics, Project and Design