論文の概要: Privacy-Preserving Image Classification Using ConvMixer with Adaptive Permutation Matrix

• arxiv url: http://arxiv.org/abs/2208.02556v1
• Date: Thu, 4 Aug 2022 09:55:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-05 12:56:54.318421
• Title: Privacy-Preserving Image Classification Using ConvMixer with Adaptive Permutation Matrix
• Title（参考訳）: ConvMixerとAdaptive Permutation Matrixを用いたプライバシー保護画像分類
• Authors: Zheng Qi, AprilPyone MaungMaung, Hitoshi Kiya
• Abstract要約: 本稿では,ConvMixer構造を用いた暗号化画像を用いたプライバシー保護画像分類手法を提案する。 適応ネットワークを用いた従来の手法では,大きな画像は適用できない。 本研究では,適応ネットワークを使わずに,ブロックワイズされた画像をConvMixerに適用できる新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 13.890279045382623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a privacy-preserving image classification method using encrypted images under the use of the ConvMixer structure. Block-wise scrambled images, which are robust enough against various attacks, have been used for privacy-preserving image classification tasks, but the combined use of a classification network and an adaptation network is needed to reduce the influence of image encryption. However, images with a large size cannot be applied to the conventional method with an adaptation network because the adaptation network has so many parameters. Accordingly, we propose a novel method, which allows us not only to apply block-wise scrambled images to ConvMixer for both training and testing without the adaptation network, but also to provide a higher classification accuracy than conventional methods.
• Abstract（参考訳）: 本稿では,convmixer構造を用いた暗号化画像を用いたプライバシー保護画像分類手法を提案する。 様々な攻撃に対して十分に頑健なブロックワイズスクランブル画像は、プライバシーを保った画像分類タスクに用いられてきたが、画像暗号化の影響を減らすためには分類ネットワークと適応ネットワークを組み合わせる必要がある。 しかし,適応ネットワークにはパラメータが多すぎるため,適応ネットワークを用いた従来の手法では大きな画像が適用できない。 そこで本研究では,適応ネットワークを使わずに,ブロックワイズ画像をConvMixerに適用するだけでなく,従来の手法よりも高い分類精度を実現する手法を提案する。

関連論文リスト

• Efficient Fine-Tuning with Domain Adaptation for Privacy-Preserving Vision Transformer [6.476298483207895]
  視覚変換器(ViT)を用いたプライバシー保護型ディープニューラルネットワーク(DNN)の新しい手法を提案する。 本手法では, モデルトレーニングや視覚的に保護された画像によるテストだけでなく, 暗号化画像の使用による性能劣化を回避できる。 ドメイン適応法は、暗号化された画像でViTを効率よく微調整するために用いられる。
  論文  参考訳（メタデータ） (2024-01-10T12:46:31Z)
• Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
  生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。 ストレージの要求が大きいため、一般ユーザからは広く採用されていない。 本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-21T06:59:07Z)
• 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)
• A Privacy Preserving Method with a Random Orthogonal Matrix for ConvMixer Models [13.653940190782146]
  ConvMixerモデルを用いて,プライバシ保護画像分類手法を提案する。 提案手法では,プライバシ保護を考慮せずに,ConvMixerモデルと同じ分類精度を利用できる。
  論文  参考訳（メタデータ） (2023-01-10T08:21:19Z)
• Refign: Align and Refine for Adaptation of Semantic Segmentation to Adverse Conditions [78.71745819446176]
  Refignは、ドメイン間の通信を利用する自己学習ベースのUDAメソッドへの汎用的な拡張である。 Refign は,(1) 不確実性を認識した高密度マッチングネットワークを用いて,正常条件画像と対応する悪条件画像とを整列させ,(2) 適応ラベル補正機構を用いて正常予測で悪条件予測を精査する。 このアプローチでは、追加のトレーニングパラメータや、トレーニングのみの計算オーバーヘッドの最小化は導入されず、任意の自己学習ベースのUDAメソッドを改善するためにドロップイン拡張として使用することができる。
  論文  参考訳（メタデータ） (2022-07-14T11:30:38Z)
• 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)
• 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)
• Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
  不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。 当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。 広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
  論文  参考訳（メタデータ） (2021-04-25T07:25:16Z)
• 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)
• Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
  本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。 提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
  論文  参考訳（メタデータ） (2020-07-21T04:03:22Z)
• Cross-modal Deep Face Normals with Deactivable Skip Connections [77.83961745760216]
  そこで本研究では,顔の幅内カラー画像から表面の正常度を推定する手法を提案する。 本稿では,ペアの有無にかかわらず,利用可能なすべての画像と通常のデータを活用できる手法を提案する。 提案手法は,自然な顔画像を用いて定量的,定性的に,大幅な改善を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-03-21T16:26:59Z)

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。