企业官网建设流程全解析

一、准备工作

python prepare.py # market和duke python prepare_MSMT.py # msmt17

把官方扁平存放的图片，按「行人 ID」重组成 PyTorch 版 ReID 项目需要的目录结构。

需要修改内容如下：

二、生成对抗样本

读取训练好的 Re-ID 模型，对查询集（Query）的图片加入肉眼难以察觉的扰动（生成对抗样本），并将这些被攻击后的图片保存下来

python cece.py --save_img --name ft_ResNet50 --attack %s # 用opt.attack去攻击ft_ResNet50生成对抗样本，并且保存图片 python cece.py --save_img --name ft_net_dense --attack %s --use_dense # 用opt.attack去攻击ft_net_dense生成对抗样本，并且保存图片 python cece.py --save_img --name ft_net_swin --attack %s --use_swin --batchsize 16 # 用opt.attack去攻击ft_net_swin生成对抗样本，并且保存图片，控制每次输入模型的样本数量为16

需要修改内容如下：

注：odfa SMA LTA 保留#，ResPA要去掉#

问题：不小心把原来的备注删掉了，我忘记了哪些要这句话，哪些不要了

如果遇到了huggingface，即

处理方法：ctrl+c结束运行，输入以下代码后重新运行

export HF_ENDPOINT="https://hf-mirror.com"

三、黑盒迁移攻击

加载一个黑盒目标模型，用之前由白盒替代模型生成的对抗样本来攻击这个黑盒模型，最后提取特征并计算 mAP/Rank-1 等指标。

python adv_data_black_test.py --name ft_net_dense --attack %s --use_convnext --black_name ft_net_convnext #用opt.attack攻击ft_net_dense生成的对抗样本来攻击黑盒ft_net_convnext python adv_data_black_test.py --name ft_ResNet50 --attack %s --black_name ft_net_swin --use_swin #用opt.attack攻击ft_ResNet50生成的对抗样本来攻击黑盒ft_net_swin

需要修改内容如下：

四、实际运行

1.在 Market-1501 数据集上，使用 ODFA 攻击方法，以 ft_net_dense 作为生成对抗样本的模型，然后将生成的对抗样本迁移到 ft_ResNet50 上进行黑盒攻击测试

2.在 MSMT17_V1数据集上，使用 ODFA 攻击方法，以 ft_net_dense 作为生成对抗样本的模型，然后将生成的对抗样本迁移到 ft_ResNet50 上进行黑盒攻击测试3.在 MSMT17_V1数据集上，使用 ODFA 攻击方法，以 ft_net_convnext 作为生成对抗样本的模型，然后将生成的对抗样本迁移到 ft_net_swin上进行黑盒攻击测试

4.在Duke数据集上，使用SMA攻击方法，以ft_net_hr作为生成对抗样本的模型，然后将生成的对抗样本迁移到ft_net_swin进行黑盒测试

5.在Duke数据集上，使用LTA攻击方法，以ft_ResNet50作为生成对抗样本的模型，然后将生成的对抗样本迁移到ft_net_convnext进行黑盒测试

6.在Market-1501数据集上，使用LTA攻击方法，以作为生成对抗样本的模型，然后将生成的对抗样本迁移到进行黑盒测试

7.在Market-1501数据集上，使用ResPA攻击方法，以ft_ResNet50作为对抗样本的模型，然后将生成的对抗样本迁移到ft_net_swin进行黑盒测试

8.在 MSMT17_V1数据集上，使用 ResPA攻击方法，以 ft_ResNet50作为生成对抗样本的模型，然后将生成的对抗样本迁移到ft_net_convnext 上进行黑盒攻击测试

注：用ft_net_swinv2这个模型感觉可慢，中间下载的过程停了好几次，就没下载完。ResPA攻击时也挺慢的，蹦出128 256那个数间隔都挺大的