CNNを騙す文字画像を遺伝的アルゴリズムで作成．
%はそれぞれの文字と認識する確信度．
- Python3 (3.5.3)
- deap (1.0.2)
- Keras (2.0.4)
- Tensorflow (1.1.0)
- Numpy
- Scipy
- Pillow
- h5py
- imageio
pip install deap
pip install keras
vim ~/.keras/keras.json # change "theano" to "tensorflow"
pip install tensorflow # or tensorflow-gpu
pip install pillow
pip install h5py
pip install imageio
git cloneして，Requirement揃えて，こちらの学習済みモデルDLして同じディレクトリに置き，以下を実行．
python make_adv_char.py sample_A.png A B
Bとして99%以上の確信度で騙される画像が生成されたら終了． outputに途中経過，gifアニメ，ログが保存される．
マルチフォント文字認識器を学習しそのモデルを保存． 6628種類のフォントで学習済み(テスト正解率90.17%)のモデルはこちら．
python train_model.py {学習画像パス，ラベルのcsv} [options]
※画像サイズは200x200の2値画像のみ利用可
| オプション | 効果 |
|---|---|
-t (--test) {テスト画像パス，ラベルのcsv} |
テストを行う場合 |
--hdf5 |
モデルの保存パス(デフォルトでは'trained_model.hdf5') |
-b (--batch_size) |
バッチサイズ |
-e (--epoch) |
学習回数 |
1列目は画像パス，2列目はクラスID(Aから順に0,1,2...)
/home/hoge/font0000/A.png,0
/home/hoge/font0000/B.png,1
...
/home/hoge/font6627/Y.png,24
/home/hoge/font6627/Z.png,25
AdversarialCharacter作成．
python make_adv_char.py {加工前の文字画像} {加工前の文字のアルファベット} {騙す先のアルファベット} [options]
| オプション | 効果 |
|---|---|
-d (--dst_path) |
保存先のパス(デフォルトでは'output') |
--hdf5 |
学習済みモデルのパス(デフォルトでは'trained_model.hdf5') |
--cxpb |
交叉が起こる確率 |
--mutpb |
突然変異が起こる確率 |
--ngen |
進化の最大回数 |
--npop |
子孫の数 |
--breakacc |
打ち止めにする正解率 |