Qunyao Tan, ingénierie des transports à l’université de Tongji, Shanghai - A0027
Huang Shize, ingénierie des transports à l’université de Tongji, Shanghai
Zhang Zhaoxin, ingénierie des transports à l’université de Tongji, Shanghai

Qunyao Tan
Zhang Zhaoxin
Huang Shize

Cette recherche est menée sous plusieurs angles, y compris le contexte de la recherche et la définition des problèmes, la conception des méthodes et l’analyse expérimentale, établissant une structure d’écriture claire. L’auteur commence par la définition du contexte et des problèmes de recherche, en analysant l’importance de la reconnaissance des panneaux de signalisation dans la conduite autonome et les risques potentiels pour la sécurité posés par les réseaux neuronaux profonds (DNS) sous attaques physiques. Les limites des méthodes de défense existantes pour faire face à ces attaques physiques sont également mises en évidence. Deuxièmement, dans la section de conception des méthodes, l’auteur propose un pipeline de défense basé sur Deep Image Prior (DIP). Cette approche reconstruit les images et tire parti de la cohérence des décisions des classificateurs pour déduire la véritable classe des panneaux de signalisation sans se fier aux ensembles de données antérieurs. Par la suite, dans la section d’analyse expérimentale et des résultats, l’auteur évalue l’efficacité de la méthode proposée pour atténuer les effets des attaques physiques dans des scénarios réels, en validant sa faisabilité et sa robustesse. L’innovation de cette étude réside dans l’introduction d’une méthode de reconstruction d’image basée sur la technologie DIP pour se défendre contre les attaques physiques, rompant ainsi la dépendance aux ensembles de données des méthodes de défense traditionnelles. Le point fort de ce pipeline de défense est sa capacité à contrer efficacement les attaques physiques connues tout en démontrant de fortes capacités de généralisation dans la détection d’autres formes potentielles d’attaque. Cependant, l’auteur note également que la méthode a besoin de ressources informatiques importantes, ce qui peut limiter son application dans des scénarios en temps réel. Dans l’ensemble, cette étude fournit une solution novatrice et généralisable pour améliorer la sécurité de la reconnaissance des panneaux de signalisation dans les systèmes de conduite autonome.

Mots-clés systèmes automatiques de détection et d’identification des véhicules, sécurité, signalisation routière, automatisation des véhicules et des routes, perception des dangers