論文の概要: "Healthy surveillance": Designing a concept for privacy-preserving mask recognition AI in the age of pandemics

• arxiv url: http://arxiv.org/abs/2010.12026v1
• Date: Tue, 20 Oct 2020 14:00:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-28 05:12:57.956458
• Title: "Healthy surveillance": Designing a concept for privacy-preserving mask recognition AI in the age of pandemics
• Title（参考訳）: 健康監視」:パンデミック時代のプライバシー保護マスク認識AIの構想
• Authors: Niklas K\"uhl, Dominik Martin, Clemens Wolff, Melanie Volkamer
• Abstract要約: 2020年に新型コロナウイルスのパンデミックが発生した場合、多くの政府はマスクを着用するよう推奨したり、市民に勧めたりする。 マスク認識の大規模監視には、高性能な人工知能が必要である。 我々の概念的ディープラーニングに基づく人工知能は、プライバシーに優しい環境で95%から99%の検知性能を達成することができる。
• 参考スコア（独自算出の注目度）: 1.1470070927586016
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The obligation to wear masks in times of pandemics reduces the risk of spreading viruses. In case of the COVID-19 pandemic in 2020, many governments recommended or even obligated their citizens to wear masks as an effective countermeasure. In order to continuously monitor the compliance of this policy measure in public spaces like restaurants or tram stations by public authorities, one scalable and automatable option depicts the application of surveillance systems, i.e., CCTV. However, large-scale monitoring of mask recognition does not only require a well-performing Artificial Intelligence, but also ensure that no privacy issues are introduced, as surveillance is a deterrent for citizens and regulations like General Data Protection Regulation (GDPR) demand strict regulations of such personal data. In this work, we show how a privacy-preserving mask recognition artifact could look like, demonstrate different options for implementation and evaluate performances. Our conceptual deep-learning based Artificial Intelligence is able to achieve detection performances between 95% and 99% in a privacy-friendly setting. On that basis, we elaborate on the trade-off between the level of privacy preservation and Artificial Intelligence performance, i.e. the "price of privacy".
• Abstract（参考訳）: パンデミック時にマスクを着用する義務は、ウイルスの拡散リスクを減少させる。 2020年の新型コロナウイルス(COVID-19)パンデミックでは、多くの政府がマスク着用を推奨または義務付けている。 レストランや路面電車などの公共空間におけるこのポリシーの遵守を継続的に監視するために、スケーラブルで自動化可能なオプションは監視システム、すなわちcctvの適用を描いている。 しかし、マスク認識の大規模監視は、優れた人工知能を必要とするだけでなく、市民や一般データ保護規則(GDPR)などの規制がそのような個人情報の厳格な規制を要求しているため、プライバシーの問題も発生しない。 本稿では,プライバシを保全するマスク認識アーチファクトがどのようなものになるかを示し,実装の異なる選択肢を示し,パフォーマンスを評価する。 我々の概念的ディープラーニングに基づく人工知能は、プライバシーに優しい環境で95%から99%の検知性能を達成することができる。 その根拠として,プライバシ保護のレベルと人工知能のパフォーマンス,すなわち「プライバシのプライバシのプライス」とのトレードオフを詳述する。

関連論文リスト

• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• Social Distance Detection Using Deep Learning And Risk Management System [0.0]
  COVID-19 Social Distancing Detector Systemは、ディープラーニングを利用して、ハイエンドなセマンティックデータをCNNモジュールに統合するシングルステージ検出器である。 現在のセキュリティ映像、CCTVカメラ、コンピュータビジョン(CV)をデプロイすることで、社会的分離の災難を経験している人々を特定することもできる。
  論文  参考訳（メタデータ） (2023-04-20T12:27:39Z)
• Fairly Private: Investigating The Fairness of Visual Privacy Preservation Algorithms [1.5293427903448025]
  本稿では,一般的に使用されている視覚的プライバシ保護アルゴリズムの妥当性について検討する。 PubFigデータセットの実験は、提供されたプライバシ保護がグループ間で不平等であることを明確に示している。
  論文  参考訳（メタデータ） (2023-01-12T13:40:38Z)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
  我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。 我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
  論文  参考訳（メタデータ） (2022-06-08T13:43:29Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Privacy protection based on mask template [0.0]
  人間の生体認証は一般的に画像の中に存在する。 個人のプライバシーの開示を避けるため、未承認の認識アルゴリズムが元の画像の実際の特徴を取得するのを防ぐ必要がある。
  論文  参考訳（メタデータ） (2022-02-13T08:11:04Z)
• Does a Face Mask Protect my Privacy?: Deep Learning to Predict Protected Attributes from Masked Face Images [0.6562256987706128]
  我々は20,003個の合成マスク付き画像を持つResNet-50アーキテクチャに基づいてCNNを訓練・適用する。 マスク着用時のプライバシー侵害性には有意な差はない。 提案手法は,人工知能システムのプライバシー侵害性を評価するためのベースラインユーティリティとして機能する。
  論文  参考訳（メタデータ） (2021-12-15T04:46:19Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。