論文の概要: Generation of Gradient-Preserving Images allowing HOG Feature Extraction
- arxiv url: http://arxiv.org/abs/2104.01350v1
- Date: Sat, 3 Apr 2021 09:06:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 14:39:28.081316
- Title: Generation of Gradient-Preserving Images allowing HOG Feature Extraction
- Title(参考訳): HOG特徴抽出が可能な勾配保存画像の生成
- Authors: Masaki Kitayama, Hitoshi Kiya
- Abstract要約: グラデーション保存画像と呼ばれる視覚的に保護された画像を生成する方法を提案する。
保護された画像は、プライバシー保護マシンラーニングのためのヒストグラムのGradients機能を直接抽出することができます。
実験では,勾配保存画像から抽出したHOG特徴を顔認識アルゴリズムに適用し,提案手法の有効性を実証した。
- 参考スコア(独自算出の注目度): 15.483078145498085
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a method for generating visually protected images,
referred to as gradient-preserving images. The protected images allow us to
directly extract Histogram-of-Oriented-Gradients (HOG) features for
privacy-preserving machine learning. In an experiment, HOG features extracted
from gradient-preserving images are applied to a face recognition algorithm to
demonstrate the effectiveness of the proposed method.
- Abstract(参考訳): 本稿では,勾配保存画像と呼ばれる視覚的に保護された画像を生成する手法を提案する。
保護された画像は、プライバシー保護機械学習のためのHistogram-of-Oriented-Gradients(HOG)機能を直接抽出することができる。
実験では,勾配保存画像から抽出したHOG特徴を顔認識アルゴリズムに適用し,提案手法の有効性を実証した。
関連論文リスト
- Active Generation for Image Classification [50.18107721267218]
本稿では,モデルのニーズと特徴に着目し,画像生成の効率性に対処することを提案する。
能動学習の中心的傾向として,ActGenという手法が,画像生成のトレーニング・アウェア・アプローチを取り入れている。
論文 参考訳(メタデータ) (2024-03-11T08:45:31Z) - Generative Steganographic Flow [39.64952038237487]
ジェネレーティブ・ステガノグラフィー(GS)は、シークレットデータから直接ステゴメディアを生成する新しいデータ隠蔽方式である。
既存のGSメソッドは、パフォーマンスが劣るとして一般的に批判されている。
我々は,新しいフローベースGSアプローチ,ジェネレーティブ・ステレオグラフィー・フロー(GSF)を提案する。
論文 参考訳(メタデータ) (2023-05-10T02:02:20Z) - Face Feature Visualisation of Single Morphing Attack Detection [13.680968065638108]
本稿では,異なる顔特徴抽出アルゴリズムの視覚化について説明する。
単変態攻撃検出のためのボナファイドの検出と変態画像を可能にする。
この視覚化は、境界ポリシーのためのグラフィカルユーザインタフェースの開発に役立つかもしれない。
論文 参考訳(メタデータ) (2023-04-25T17:51:23Z) - Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳(メタデータ) (2023-03-20T17:34:05Z) - Privacy-Preserving Image Classification Using Vision Transformer [16.679394807198]
暗号化画像と視覚変換器(ViT)を組み合わせたプライバシー保護画像分類手法を提案する。
ViTは画像パッチにパッチ埋め込みと位置埋め込みを利用するため、このアーキテクチャはブロックワイド画像変換の影響を低減することができる。
実験では,様々な攻撃に対する分類精度とロバスト性の観点から,プライバシー保護画像分類の手法が最先端の手法より優れていることを示す。
論文 参考訳(メタデータ) (2022-05-24T12:51:48Z) - ViCE: Self-Supervised Visual Concept Embeddings as Contextual and Pixel
Appearance Invariant Semantic Representations [77.3590853897664]
本研究は,NLPにおける単語埋め込みの学習方法に着想を得た画像に対して,意味論的にリッチな視覚埋め込みを学習するための自己指導的手法を提案する。
論文 参考訳(メタデータ) (2021-11-24T12:27:30Z) - Reservoir Computing Approach for Gray Images Segmentation [0.0]
本稿では,グレースケール画像セグメンテーションのための新しいアプローチを提案する。
これは、Echo状態ネットワークを使用して、画像ピクセル当たりの単一特徴、すなわちその強度値から抽出された複数の特徴に基づいている。
新たに抽出された特徴、すなわち貯水池平衡状態は、クラスタリングアルゴリズムによるセグメンテーションを改善する隠された画像特性を明らかにする。
論文 参考訳(メタデータ) (2021-07-23T08:37:24Z) - Surrogate Gradient Field for Latent Space Manipulation [4.880243880711163]
GAN(Generative Adversarial Network)は、サンプルコードから高品質な画像を生成する。
最近の作品は、基礎となる潜在コードを操作して画像の編集を試みるが、属性調整の基本的なタスクを超えることは滅多にない。
キーポイントやキャプションなどの多次元条件で操作できる最初の手法を提案する。
論文 参考訳(メタデータ) (2021-04-19T06:15:06Z) - Generative Hierarchical Features from Synthesizing Images [65.66756821069124]
画像合成の学習は、広範囲のアプリケーションにまたがって一般化可能な顕著な階層的な視覚的特徴をもたらす可能性があることを示す。
生成的階層的特徴(Generative Hierarchical Feature, GH-Feat)と呼ばれるエンコーダが生成する視覚的特徴は、生成的タスクと識別的タスクの両方に強い伝達性を有する。
論文 参考訳(メタデータ) (2020-07-20T18:04:14Z) - Exploiting Deep Generative Prior for Versatile Image Restoration and
Manipulation [181.08127307338654]
本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。
深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
論文 参考訳(メタデータ) (2020-03-30T17:45:07Z) - Towards Interpretable Semantic Segmentation via Gradient-weighted Class
Activation Mapping [71.91734471596432]
本稿では,セマンティックセグメンテーションの解法としてSEG-GRAD-CAMを提案する。
本手法は,各画素のセグメンテーションに対する関連性を示すヒートマップを作成するために局所的に適用された広く使われているGrad-CAM法の拡張である。
論文 参考訳(メタデータ) (2020-02-26T12:32:40Z)
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。