基于深度特征的社交媒体网站共享图像隐私预测
计算机视觉与模式识别
2015-11-06 v3 计算机与社会
摘要
在 Facebook、Flickr 和 Instagram 等社交媒体网站上的在线图像共享，若隐私设置使用不当，可能导致非意愿披露与隐私侵犯。随着每日在线共享图像数量呈指数级增长，亟需开发高效且有效的图像隐私设置预测方法。模型的性能关键取决于特征表示的选择。本文提出一种图像隐私预测方法，使用深度特征与深度图像标签作为特征表示。具体而言，我们探索了神经网络各层的深度特征，并将顶层（概率）用作自动标注机制。实验结果表明，基于所提深度特征与深度图像标签训练的模型大幅优于基于 SIFT 和 GIST 以及使用“标签袋”作为特征的基线模型。
引用
@article{arxiv.1510.08583,
title = {Privacy Prediction of Images Shared on Social Media Sites Using Deep Features},
author = {Ashwini Tonge and Cornelia Caragea},
journal= {arXiv preprint arXiv:1510.08583},
year = {2015}
}