Fugu-MT 論文翻訳(概要): Block-wise Scrambled Image Recognition Using Adaptation Network

論文の概要: Block-wise Scrambled Image Recognition Using Adaptation Network

arxiv url: http://arxiv.org/abs/2001.07761v1
Date: Tue, 21 Jan 2020 20:22:10 GMT
ステータス: 処理完了
システム内更新日: 2023-01-07 23:52:23.276508
Title: Block-wise Scrambled Image Recognition Using Adaptation Network
Title（参考訳）: 適応ネットワークを用いたブロックワイズスクランブル画像認識
Authors: Koki Madono, Masayuki Tanaka, Masaki Onishi, Tetsuji Ogawa
Abstract要約: 知覚的に隠された物体認識法は、人間が認識できるが機械ではない安全な画像を生成するために研究される。第三者から知覚情報を隠蔽するためにブロックワイド画像スクランブルを導入する。それらのスクランブル画像を認識する適応ネットワークを提案する。
参考スコア（独自算出の注目度）: 14.085656744465899
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, a perceptually hidden object-recognition method is investigated to generate secure images recognizable by humans but not machines. Hence, both the perceptual information hiding and the corresponding object recognition methods should be developed. Block-wise image scrambling is introduced to hide perceptual information from a third party. In addition, an adaptation network is proposed to recognize those scrambled images. Experimental comparisons conducted using CIFAR datasets demonstrated that the proposed adaptation network performed well in incorporating simple perceptual information hiding into DNN-based image classification.
Abstract（参考訳）: 本研究では,人間が認識できるが機械ではない画像を生成するために,知覚的に隠された物体認識法を検討した。したがって、知覚情報隠蔽法と対応する物体認識法の両方を開発すべきである。第三者から知覚情報を隠蔽するためにブロックワイド画像スクランブルを導入する。さらに,これらのスクランブル画像を認識するために適応ネットワークを提案する。 CIFARデータセットを用いて行った実験の結果,提案した適応ネットワークはDNN画像分類に隠れた単純な知覚情報をうまく組み込むことができた。

関連論文リスト

Can Encrypted Images Still Train Neural Networks? Investigating Image Information and Random Vortex Transformation [51.475827684468875]
画像変換時の情報内容の変化を評価するために,画像情報量を測定する新しい枠組みを構築した。また,Random Vortex Transformationと呼ばれる新しい画像暗号化アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-11-25T09:14:53Z)
Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
Human-imperceptible, Machine-recognizable Images [76.01951148048603]
より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
論文参考訳（メタデータ） (2023-06-06T13:41:37Z)
CNN-based Methods for Object Recognition with High-Resolution Tactile Sensors [0.0]
ロボットのエンドエフェクターに高解像度の触覚センサーを装着し、接触した物体を識別する。 CNNベースの2つのアプローチが圧力画像の分類に使われている。
論文参考訳（メタデータ） (2023-05-21T09:54:12Z)
De-coupling and De-positioning Dense Self-supervised Learning [65.56679416475943]
Dense Self-Supervised Learning (SSL)メソッドは、複数のオブジェクトでイメージを処理する際に、画像レベルの特徴表現を使用する際の制限に対処する。本研究は, 層深度やゼロパディングに伴う受容野の増大によって生じる, 結合と位置バイアスに悩まされていることを示す。我々はCOCOにおける本手法の利点と、オブジェクト分類、セマンティックセグメンテーション、オブジェクト検出のための新しい挑戦的ベンチマークであるOpenImage-MINIについて示す。
論文参考訳（メタデータ） (2023-03-29T18:07:25Z)
Privacy-Preserving Image Classification Using Isotropic Network [14.505867475659276]
本稿では,暗号化画像と視覚変換器などの等方性ネットワークを用いたプライバシー保護画像分類手法を提案する。提案手法では,深層ニューラルネットワーク(DNN)に視覚情報のない画像を適用するだけでなく,高い分類精度を維持することができる。
論文参考訳（メタデータ） (2022-04-16T03:15:54Z)
Ablation study of self-supervised learning for image classification [0.0]
このプロジェクトは、画像認識のタスクのための畳み込みニューラルネットワーク(CNN)とトランスフォーマーネットワークの自己教師型トレーニングに焦点を当てている。同じソース画像からの2つの拡張変換画像の類似性を最大化するために、異なるバックボーンを持つ単純なシアムネットワークを使用する。
論文参考訳（メタデータ） (2021-12-04T09:59:01Z)
Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文参考訳（メタデータ） (2021-07-13T02:59:31Z)
LCD -- Line Clustering and Description for Place Recognition [29.053923938306323]
本稿では,RGB-Dカメラとラインクラスタを視覚的および幾何学的特徴として利用し,位置認識のための新しい学習ベースのアプローチを提案する。本稿では,フレームワイド線クラスタリングのアテンション機構に基づくニューラルネットワークアーキテクチャを提案する。同様のニューラルネットワークは、128個の浮動小数点数のコンパクトな埋め込みによるこれらのクラスタの記述に使用される。
論文参考訳（メタデータ） (2020-10-21T09:52:47Z)
Image Transformation Network for Privacy-Preserving Deep Neural Networks and Its Security Evaluation [17.134566958534634]
プライバシー保護DNNのための画像生成のための変換ネットワークを提案する。提案するネットワークは,視覚情報を強く保護するだけでなく,画像を用いた画像分類精度の維持にも有効である。
論文参考訳（メタデータ） (2020-08-07T12:58:45Z)
Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-05-15T23:57:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。