性别隐私:一种用于混淆任意性别分类器的半对抗网络集成
计算机视觉与模式识别
2018-08-01 v1
摘要
近期研究提出了使用半对抗网络(SAN)为人脸图像赋予隐私。SAN是卷积自编码器,其扰动人脸图像使得扰动后的图像不能被属性分类器(例如性别分类器)可靠使用,但仍可被人脸匹配器用于匹配目的。然而,文献中尚未证明SAN在多个任意性别分类器上的泛化能力。在本工作中,我们通过设计一个集成SAN模型来解决泛化问题,该模型为给定输入人脸图像生成一组多样的扰动输出。这是通过利用不同的数据增强技术来强制集成中各个模型之间的多样性来实现的。目标是确保至少一个扰动输出人脸将混淆一个任意的、先前未见的性别分类器。使用不同的未见性别分类器与人脸匹配器进行了大量实验,以证明所提范式在为人脸图像赋予性别隐私方面的功效。
引用
@article{arxiv.1807.11936,
title = {Gender Privacy: An Ensemble of Semi Adversarial Networks for Confounding Arbitrary Gender Classifiers},
author = {Vahid Mirjalili and Sebastian Raschka and Arun Ross},
journal= {arXiv preprint arXiv:1807.11936},
year = {2018}
}
备注
Published in Proc. of IEEE 9th International Conference on Biometrics: Theory, Applications and Systems (BTAS), (Los Angeles, CA), October 2018