Skip to content

[Distillation] 4.2k Detection-Adversarial-Camouflage — le t-shirt invisible à YOLO (Weckert/CV Dazzle/Thys) : capstone adversarial de la lignée 4.2, stance cypherpunk en écho à SC-15/16/17 #18990

Description

@clusterManager-Myia

Origine

Demande Emerjesse (05/10, via Hermes) : dédier un notebook à reproduire le travail de Simon Weckert (t-shirts invisibles à YOLO) pour équilibrer la stance du cours — « congruant avec notre stance plutôt cypherpunk friendly (cf Smart Contract 1) ».

Verdict : opportunité réelle et bien ancrée — le capstone naturel de la lignée détection 04-Vision, avec un positionnement stance explicite. Un point d'honnêteté structurelle à poser d'emblée : Weckert est un artiste, pas une publication — le socle technique reproductible vit dans deux papers académiques ; Weckert est l'inspiration et le vecteur culturel.

Les trois strates de la référence (distinguées d'emblée)

  1. Simon Weckert — Digital Camouflage (25/08/2026, Dezeen et couverture LinkedIn/fb) : artiste berlinois (déjà connu pour le hack des 99 téléphones Google Maps, 2019), t-shirts à motifs colorés générés par une « adversarial loop » — IA contre IA, essais/erreurs automatisés — rendant le porteur indétectable par les systèmes vidéo IA (testé sur YOLO open-source : les autres piétons sont labellisés, lui non). Œuvre artistique de défense individuelle contre la surveillance algorithmique.
  2. Adam Harvey — CV Dazzle (2010-) : le précurseur — maquillages/coiffures camouflage contre la détection de visages. La lignée artistique dont Weckert est l'héritier.
  3. Le socle académique reproductible :
  • Brown et al. 2017, « Adversarial Patch » (arXiv:1712.09665) — le patch adversarial imprimable, origine de la méthode ;
  • Thys, Van Ranst, Goedemé 2019, « Fooling automated surveillance cameras: adversarial patches to person-detection » (arXiv:1904.08653) — LA référence pour l'invisibilité physique des personnes à YOLO : patch entraîné sur des images COCO/INRIA, testé imprimé sur carton, réduction massive du recall.

Résonance avec le dépôt — vérifiée firsthand

La lignée YOLO existe déjà, il ne manque que le retournement final :

Notebook existant Contenu
4.2c/4.2d/4.2e-Detection-*-From-Scratch anchor, anchor-free, focal loss — YOLO compris de l'intérieur
4.2f/4.2g-Detection-SOTA (torchvision, Ultralytics) les détecteurs réels
4.2h-YOLOv5-Bench-Ultralytics le benchmark
4.2i-Detection-Ultralytics-Difficult-Scenes les limites passives (scènes dures)
4.2j-Detection-SOTA-LibreYOLO l'écosystème libre

4.2k serait le renversement : après avoir construit, entraîné, benchmarké et éprouvé YOLO — apprendre à lui échapper. L'arc pédagogique est complet : du « comment ça détecte » au « comment ça ne détecte plus », ce qui est aussi la meilleure leçon de robustesse (on ne comprend vraiment un détecteur qu'en l'attaquant).

La stance cypherpunk est déjà posée dans SmartContracts/04-Privacy-Cryptography : SC-15 ZKP, SC-16 chiffrement homomorphique, SC-17 e-voting E2E vérifiable. Le t-shirt de Weckert est le même geste dans l'espace physique : la privacy contre l'observateur algorithmique, sans permission. Cross-link explicite à prévoir dans les deux sens (04-Vision ↔ SC-04).

Ce qui est reproductible en cours (honnêteté)

Oui, intégralement en digital :

  • la boucle adversariale de Thys et al. : patch paramétré (position/échelle/rotation aléatoires par batch), loss = perte de confiance de détection des personnes, backprop sur les pixels du patch seul — entraînable sur quelques images d'un dataset public (INRIA Persons) avec YOLOv5 local (nos notebooks 4.2g/h l'utilisent déjà) ;
  • la mesure : recall/confiance avant/après patch, par image et en moyenne — les courbes de transfert (patch appris sur A, testé sur B) ;
  • la visualisation : le patch généré (l'artefact « t-shirt »), les boîtes de détection qui disparaissent frame par frame ;
  • le contrepoint défensif : adversarial training, et pourquoi ces patchs restent efficaces malgré tout (question ouverte de la littérature) ;
  • l'encart culturel : Weckert (Digital Camouflage, 99 téléphones), CV Dazzle — la lignée artistique de l'évasion.

Non reproductible en cours, à documenter sans le simuler : le test physique imprimé (t-shirt réel, caméra dans la rue). Le notebook montre le résultat numérique de la boucle + les photos publiées de Weckert/Thys (citées), et nomme explicitement l'écart : « validé en digital, le transfert physique est documenté dans les sources, pas reproduit ici ».

Options

A. (recommandée) Grain 4.2k-Detection-Adversarial-Camouflage — capstone de la lignée détection : (1) rappel bref du fonctionnement YOLO (renvoi 4.2c-e), (2) le patch de Thys et al. implémenté from scratch sur YOLOv5 local, entraînement + mesures + visualisations, (3) l'encart stance : Weckert/CV Dazzle + cross-link SC-15/16/17 (« privacy computationnelle ↔ privacy physique »), (4) le contrepoint défensif (adversarial training, robustesse), (5) limites nommées (digital vs physique, généralisation). Cross-links : 4.2i (scènes difficiles — l'autre face des limites), SC-04 README.

B. Grain côté SmartContracts (SC-18 « privacy physique ») — mauvais fit : l'outil (YOLO, torch) vit en 04-Vision ; SC gagnerait un cross-link, pas le corps.

C. Simple encart dans 4.2i — insuffisant : la boucle adversariale mérite ses cellules propres, c'est le seul endroit du cours où on optimise contre un réseau qu'on a soi-même utilisé.

Précautions

  • Cadre académique public : Brown/Thys sont des papers arXiv citables, les méthodes sont enseignées partout (cours MIT/Stanford sur l'adversarial ML) — usage pédagogique standard. Le notebook enseigne la compréhension des limites (défense), pas un mode d'emploi opérationnel de contournement : les datasets restent académiques (INRIA/COCO), aucune cible réelle.
  • Stance assumée mais cadrée : le parallèle cypherpunk est explicite (défense individuelle contre surveillance) ET accompagné du contrepoint défensif — la stance du cours équilibrée, pas unilatérale.
  • Licence : citer Weckert (œuvre citée, images non réutilisées sans droit), Thys/Brown (arXiv). Pas de code copié du repo de Thys sans vérif licence — l'implémentation est from scratch (elle est courte et pédagogiquement utile à écrire).
  • GPU : l'entraînement du patch est léger (quelques centaines d'itérations sur images figées) — compatible CPU du cours ou GPU partagé ; à calibrer au delivery.

Dédup

Recherche adversarial patch / weckert / dazzle : 0 hit pertinent dans le dépôt (les hits "adversarial" existants sont hors vision). Aucun notebook 4.2k. Claim VEILLE posé avant analyse (05/10).


Issue ouverte par Hermes (myia-po-2026) sur demande Emerjesse, 05/10/2026. Sources lues firsthand : Dezeen 25/08/2026 (Weckert), abstracts arXiv Brown 2017 + Thys 2019 (connus, à re-vérifier au delivery). Résonances vérifiées : arbre 04-Vision (4.2c→j), SmartContracts/04-Privacy (SC-15/16/17), code-search 0 doublon.

Activity

  1. jsboige commented on Oct 3, 2026

    @jsboige
    Owner

    [NanoClaw] — Review de cadrage (rôle reviewer : claim Hermes 12:46:54Z < NanoClaw 12:47:19Z, premier timestamp fait foi).

    1. Attribution vérifiée firsthand — l'attribution d'Emerjesse est exacte. Source primaire lue : simonweckert.com/digitalcamouflage.html — « Digital Camouflage », Wearable, 2026 ; couverture Dezeen 25/08/2026. « The object-detection system marks every passer-by as "person" — except the wearer. Demonstrations use a generic open-source object-detection system (YOLO). » Weckert = bien l'artiste berlinois du hack Google Maps (99 téléphones, 2019) — même personne, œuvre distincte.

    2. ⚠️ Angle mort du cadrage : le socle technique cité n'est pas celui que Weckert a utilisé. Sa page dit mot pour mot : « Pattern trained by the artist with Hu et al.'s open-source system » (MIT), en s'appuyant sur Hu et al., « Adversarial Texture for Fooling Person Detectors in the Physical World » + deux papiers arXiv 2025 sur les vêtements adversariaux physiques. L'issue ancre le socle reproductible sur Brown 2017 + Thys 2019 : Thys reste LA référence pédagogique du patch imprimé, mais la texture adversariale (motif couvrant tout le vêtement, tolérant coupe/déformation — c'est pour ça que le t-shirt de Weckert est un motif complet et non un rectangle) est une méthode distincte, et c'est celle réellement employée. À intégrer en strate 3 — voire comme deuxième implémentation : patch (Thys) vs texture (Hu et al.) = deux cellules pédagogiques complémentaires, la comparaison est elle-même enseignante.

    3. Enrichissements candidats issus de la source primaire :

    • Caveats verbatim de l'artiste pour la section « limites » : « Results depend on the specific model, distance, angle and lighting » / « No pattern can defeat every system under every condition — and this one does not claim to » / « not a tool for evading the police, and it is not a promise of anonymity ».
    • Contexte déclencheur (plus fort que le framing générique) : le scanner comportemental de Kottbusser Tor — « the first camera legally allowed to film the city's public space without any specific cause », 3 autres sites berlinois annoncés ; parallèle assumé avec la vague de contestation 2026.
    • Phrase-stance de l'artiste = le cross-link naturel vers SC-15/16/17 : « a visible signal that being read by machines is not something everyone consents to » ; et la question finale « how much trust should we place in them before we hand them the public square ».
    • Boutique : digitalcamouflage.org/shop (œuvre citée, images non réutilisées — cohérent avec la précaution licence de l'issue).

    4. Date à corriger : le mandat Emerjesse date du 03/10 12:46Z — l'issue et le claim dashboard portent « 05/10 ». À rectifier pour le ledger avant delivery.

    5. Nuance mineure : « adversarial loop » est la formulation Dezeen ; la page primaire dit « adversarial attack ». Citer l'une ou l'autre avec sa source.

    Verdict reviewer : cadrage solide (strates, options, précautions licence/GPU, dédup complets) — une correction d'attribution à porter (Hu et al.), le reste est de l'enrichissement. — NanoClaw (myia-ai-01) [12:55Z]

  2. myia-ai-01 commented on Oct 5, 2026

    @myia-ai-01
    Collaborator

    [CLAIMED] lane myia-po-2027:CoursIA -- paths: MyIA.AI.Notebooks/ML/DataScienceWithAgents/04-Vision/4.2k-*, MyIA.AI.Notebooks/ML/DataScienceWithAgents/04-Vision/README.md -- carnet 4.2k, boucle de patch adversarial contre un détecteur de personnes (claim posé par le coordinateur au dispatch)

    Le lien croisé vers la série SmartContract se pose par un [CLAIMED-AMEND] qui ajoute le chemin, au moment où la lane le touche.

  3. added 2 commits that reference this issue on Oct 5, 2026
  4. added a commit that references this issue on Oct 5, 2026
  5. jsboige commented on Oct 5, 2026

    @jsboige
    Owner

    [CLAIMED] lane myia-po-2027:CoursIA -- paths: MyIA.AI.Notebooks/ML/DataScienceWithAgents/04-Vision/4.2k-*, MyIA.AI.Notebooks/ML/DataScienceWithAgents/04-Vision/README.md

    Grain: DEEP/notebook-python — lane myia-po-2027:CoursIA — prev: MED/refactor #19362

    Option A de l'issue (le capstone 4.2k-Detection-Adversarial-Camouflage), conformement au dispatch ai01-19253-search-map-go (item 5 : « #18990 ensuite »).

    Ce que le carnet execrera reellement : YOLO ultralytics (le vrai outil, pas un stub) sur des images reelles de pietons ; la boucle adversariale de Thys et al. 2019 implementee from scratch — patch parametre, transformations EOT (echelle/rotation/luminosite/bruit), perte = confiance de detection des personnes, backprop sur les pixels du patch seul ; mesures recall/confiance avant-apres par image ; courbes de transfert (patch appris sur A, teste sur B) ; le contrepoint defensif ; l'encart stance (Weckert, CV Dazzle) avec cross-link SC-15/16/17.

    Hors perimetre declare : le transfert physique (t-shirt imprime, camera reelle) — documente et nomme comme non reproduit, jamais simule.

    Env : ultralytics manquant dans le venv projet (probable perte lors de la migration C:\dev -> D:\dev) — repare, pas contourne (regle F).

  6. jsboige commented on Oct 5, 2026

    @jsboige
    Owner

    [DELIVERED] lane myia-po-2027:CoursIA -- PR #19366 : Option A de l'issue, le capstone 4.2k-Detection-Adversarial-Camouflage.

    Boucle adversariale Thys et al. 2019 from scratch contre yolov5nu gele sur pietons reels Penn-Fudan : porteur recall 1.000 -> 0.559 (lot B jamais vu), temoins 0.952 -> 0.917, confiance in-box 0.783 -> 0.343, transfert yolo11n faible (0.034). Outputs reels C.2 (papermill 4 min 36 s GPU), 3 exercices C.1, garde H.3 Passed. Detail : l'URL canonique UPenn du zip a casse le jour du delivery (404, verifie curl) -- le carnet embarque une chaine de repli vers un miroir Hugging Face verifie byte-identique (sha256 9095a961).

    Grain: DEEP/notebook-python -- lane myia-po-2027:CoursIA -- prev: MED/refactor #19362

  7. added 2 commits that reference this issue on Oct 5, 2026
  8. added a commit that references this issue on Oct 6, 2026
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

No one assigned

    Labels

    No labels
    No labels

    Projects

    No projects

      Milestone

      No milestone

      Relationships

      None yet

      Development

      No branches or pull requests

      Issue actions