使用各向同性网络的隐私保护图像分类
计算机视觉与模式识别
2022-04-19 v1 图像与视频处理
摘要
在本文中，我们提出一种隐私保护图像分类方法，其使用加密图像与诸如 vision transformer 的各向同性网络。所提方法不仅允许我们将无视觉信息的图像应用于深度神经网络（DNNs）进行训练和测试，还能保持高分类准确率。此外，可压缩的加密图像，称为加密后压缩（EtC）图像，可用于训练和测试而无需任何适配网络。先前，为分类 EtC 图像，在分类网络之前需要适配网络，因此带适配网络的方法仅在小型图像上测试过。据我们所知，先前的隐私保护图像分类方法从未考虑图像可压缩性与基于块嵌入的各向同性网络。在实验中，所提隐私保护图像分类被证明优于最先进的方法，即使在使用两种各向同性网络（vision transformer 和 ConvMixer）时，在分类准确率和针对各种攻击的鲁棒性方面使用 EtC 图像也是如此。
引用
@article{arxiv.2204.07707,
title = {Privacy-Preserving Image Classification Using Isotropic Network},
author = {AprilPyone MaungMaung and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2204.07707},
year = {2022}
}