文献

J-GLOBAL ID：201902223420970370   整理番号：19A1121195

敵対訓練によるプライバシー保持視覚認識に向けて:パイロット研究【JST・京大機械翻訳】

Towards Privacy-Preserving Visual Recognition via Adversarial Training: A Pilot Study

著者 (4件)： Wu Zhenyu (Texas A&M University, College Station, TX, USA) ,  Wang Zhangyang (Texas A&M University, College Station, TX, USA) ,  Wang Zhaowen (Adobe Research, San Jose, CA, USA) ,  Jin Hailin (Adobe Research, San Jose, CA, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11220  ページ： 627-645  発行年： 2018年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ユニークな敵の訓練フレームワークを定式化することにより,スマートカメラアプリケーションにおいてますます要求される特徴であるプライバシー保護視覚認識を改善することを目的とした。提案フレームワークは,目標タスク性能と劣化ビデオ上の関連プライバシー予算の間のトレードオフを最適化するために,元のビデオ入力に対する劣化変換を明示的に学習する。注目すべき課題は,プライバシー情報を攻撃する可能性のあるモデルに対してプライバシーの強い保護が維持されなければならないので,タスク駆動コンテキストでしばしば定義され測定されるプライバシー予算は,いかなる単一モデル性能を用いても確実には示されないということである。このような珍しい状況は,2つの戦略,すなわち,予算モデルの再起動とアンサンブルを提案することを動機づけ,非見られたハッカーモデルに対するプライバシー保護に関する学習劣化の一般化を強化する。それに応じて,新しい訓練戦略,評価プロトコル,および結果の可視化法を設計した。プライバシー保護行動認識に関する2つの実験は,様々な方法で定義されるプライバシー予算により,プライバシーのリスクを抑制しながら,高い目標タスク(行動認識)性能を同時に維持することにおける提案フレームワークの有効性を明らかにする。コードはhttps://github.com/wuzhenyusjtu/Privacy-AdversarialLearningで利用可能である。Copyright 2018 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *パイロット試験 ,  学習 ,  最適化 ,  *視認 ,  可視化 ,  プロトコル ,  定式化 ,  動機づけ ,  応用プログラム ,  有効性 ,  録画装置 ,  *視覚 ,  *プライバシー
準シソーラス用語： 行動認識 ,  プライバシー保護 , 【Automatic Indexing@JST】

著者キーワード (3件)： 視覚プライバシー ,  敵対訓練 ,  行動認識

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (6件)： 敵対 ,  訓練 ,  プライバシー ,  視覚認識 ,  パイロット ,  研究