文献

J-GLOBAL ID：201702238115642844   整理番号：17A0328702

iPrivacy:深いマルチタスク学習による同定感度オブジェクトによる画像のプライバシー保護【Powered by NICT】

iPrivacy: Image Privacy Protection by Identifying Sensitive Objects via Deep Multi-Task Learning

著者 (5件)： Yu Jun (UNC Charlotte, Charlotte, NC, USA) ,  Zhang Baopeng (UNC Charlotte, Charlotte, NC, USA) ,  Kuang Zhengzhong (UNC Charlotte, Charlotte, NC, USA) ,  Lin Dan (Department of Computer Science, Missouri University of Science and Technology, Rolla, MO, USA) ,  Fan Jianping (Department of Computer Science, University of North Carolina at Charlotte, Charlotte, NC, USA)
資料名： IEEE Transactions on Information Forensics and Security  (IEEE Transactions on Information Forensics and Security)
巻： 12  号： 5  ページ： 1005-1016  発行年： 2017年 
JST資料番号： W1570A  ISSN： 1556-6013  CODEN： ITIFA6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 画像共有のためのプライバシー設定の自動推薦を達成するために,特別なモーメントの画像を共有するときにiPrivacy(画像プライバシー)と呼ばれる新しいツールは,プライバシー選好を設定することで,ユーザからの負担を放出するために開発した。具体的には,本論文では,以下の寄与で構成されている1)大量の社会的イメージとそのプライバシー設定は物体プライバシー関連性を効果的に学習できるとプライバシーに敏感なオブジェクトクラスのセットを自動的に同定するための活用2)共同深い畳込みニューラルネットワークとより識別力の高いツリー分類器をより代表的な学習するために開発された深いマルチタスク学習アルゴリズムであり,多数のプライバシーに敏感なオブジェクトクラスの迅速で正確な検出を達成することができる3)画像共有のためのプライバシー設定の自動推薦は共有される画像から根底にあるプライバシーに敏感な物体を検出し,そのクラスを認識する,プライバシー関係性によってそれらのプライバシー設定を同定することにより達成することができるおよび4)画像プライバシー保護のための一つの簡単な解決方法は,プライバシーに敏感なオブジェクトをぼかし自動的に提供した。実世界画像に関する広範な実験的研究を実施した,その結果は筆者らの提案アプローチの効率性と有効性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *プライバシー ,  ニューラルネットワーク ,  モーメント ,  *画像 ,  学習アルゴリズム ,  畳込み
準シソーラス用語： 実験研究 ,  *マルチタスク ,  *プライバシー保護 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： マルチタスク学習 ,  同定 ,  感度 ,  オブジェクト ,  プライバシー