論文の概要: On Mask-based Image Set Desensitization with Recognition Support

• arxiv url: http://arxiv.org/abs/2312.08975v1
• Date: Thu, 14 Dec 2023 14:26:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-15 21:50:01.560663
• Title: On Mask-based Image Set Desensitization with Recognition Support
• Title（参考訳）: 認識支援によるマスク型イメージセットデセンシタイズについて
• Authors: Qilong Li and Ji Liu and Yifan Sun and Chongsheng Zhang and Dejing Dou
• Abstract要約: マスクを用いた画像デセンシタイズ手法を提案する。 我々は,認識タスクの重要な情報を維持するために,解釈アルゴリズムを利用する。 また,マスク画像に基づく性能向上のためのモデル調整手法として,特徴選択マスクネットを提案する。
• 参考スコア（独自算出の注目度）: 46.51027529020668
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In recent years, Deep Neural Networks (DNN) have emerged as a practical method for image recognition. The raw data, which contain sensitive information, are generally exploited within the training process. However, when the training process is outsourced to a third-party organization, the raw data should be desensitized before being transferred to protect sensitive information. Although masks are widely applied to hide important sensitive information, preventing inpainting masked images is critical, which may restore the sensitive information. The corresponding models should be adjusted for the masked images to reduce the degradation of the performance for recognition or classification tasks due to the desensitization of images. In this paper, we propose a mask-based image desensitization approach while supporting recognition. This approach consists of a mask generation algorithm and a model adjustment method. We propose exploiting an interpretation algorithm to maintain critical information for the recognition task in the mask generation algorithm. In addition, we propose a feature selection masknet as the model adjustment method to improve the performance based on the masked images. Extensive experimentation results based on multiple image datasets reveal significant advantages (up to 9.34% in terms of accuracy) of our approach for image desensitization while supporting recognition.
• Abstract（参考訳）: 近年,画像認識の実用的な手法としてディープニューラルネットワーク(DNN)が登場している。 センシティブな情報を含む生データは、一般的にトレーニングプロセス内で活用される。 しかしながら、トレーニングプロセスがサードパーティ組織にアウトソースされると、機密情報を保護するために転送される前に、生データをデセンシタイズする必要がある。 マスクは重要な機密情報を隠蔽するために広く応用されているが、マスクされた画像の塗布を防ぐことが重要であり、機密情報を復元する可能性がある。 画像の脱感化による認識タスクや分類タスクのパフォーマンス低下を軽減するため、マスク画像に対して対応するモデルを調整する必要がある。 本稿では,認識を補助しながらマスクによる画像脱感作手法を提案する。 このアプローチはマスク生成アルゴリズムとモデル調整方法で構成されている。 本稿では,マスク生成アルゴリズムにおいて,認識タスクの重要な情報を維持するための解釈アルゴリズムを提案する。 また,マスク画像に基づく性能を向上させるためのモデル調整手法として,特徴選択マスクネットを提案する。 複数の画像データセットに基づく大規模な実験結果から、認識をサポートしながら画像の脱感作を行うアプローチの利点(精度は最大9.34%)が明らかとなった。

関連論文リスト

• Variance-insensitive and Target-preserving Mask Refinement for Interactive Image Segmentation [68.16510297109872]
  ポイントベースのインタラクティブなイメージセグメンテーションは、セマンティックセグメンテーションや画像編集といったアプリケーションにおけるマスクアノテーションの負担を軽減することができる。 本稿では,ユーザ入力の少ないセグメンテーション品質を向上する新しい手法である可変無感・ターゲット保存マスクリファインメントを提案する。 GrabCut、バークレー、SBD、DAVISデータセットの実験は、インタラクティブな画像セグメンテーションにおける我々の手法の最先端性能を実証している。
  論文  参考訳（メタデータ） (2023-12-22T02:31:31Z)
• CoReFace: Sample-Guided Contrastive Regularization for Deep Face Recognition [3.1677775852317085]
  特徴表現学習に画像レベルの正規化を適用するために,CoReFace(Contrastive Regularization for Face Recognition)を提案する。 具体的には、サンプル誘導型コントラスト学習を用いて、画像と画像の関係を直接調整する。 コントラスト学習を顔認識に統合するため,画像の画質劣化を回避するために,画像の代わりに埋め込みを拡大する。
  論文  参考訳（メタデータ） (2023-04-23T14:33:24Z)
• Masked Image Training for Generalizable Deep Image Denoising [53.03126421917465]
  本稿では,デノナイジングネットワークの一般化性能を高めるための新しい手法を提案する。 提案手法では,入力画像のランダムなピクセルをマスキングし,学習中に欠落した情報を再構成する。 提案手法は,他のディープラーニングモデルよりも優れた一般化能力を示し,実世界のシナリオに直接適用可能である。
  論文  参考訳（メタデータ） (2023-03-23T09:33:44Z)
• Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
  マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。 本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。 実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
  論文  参考訳（メタデータ） (2023-03-12T05:28:55Z)
• Mask Reference Image Quality Assessment [8.087355843192109]
  Mask Reference IQA (MR-IQA) は、歪んだ画像の特定のパッチを隠蔽し、参照画像パッチで欠落したパッチを補う方法である。 提案手法は,ベンチマークKADID-10k, LIVE, CSIQデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-27T13:52:38Z)
• What's Behind the Mask: Estimating Uncertainty in Image-to-Image Problems [29.55144604924458]
  画像間ネットワークの不確実性を推定することは重要な課題である。 マスキングに基づく新しい手法を提案する。 マスクを用いた画像カラー化,画像補完,超解像処理における不確実性の評価を行った。
  論文  参考訳（メタデータ） (2022-11-28T10:41:34Z)
• OLED: One-Class Learned Encoder-Decoder Network with Adversarial Context Masking for Novelty Detection [1.933681537640272]
  新規性検出は、対象クラスの分布に属さないサンプルを認識するタスクである。 ディープオートエンコーダは多くの教師なしのノベルティ検出法のベースとして広く使われている。 我々は,MaskモジュールとReconstructorという2つの競合するネットワークからなるフレームワークを設計した。
  論文  参考訳（メタデータ） (2021-03-27T17:59:40Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。