半对抗网络：用于赋予人脸图像隐私性的卷积自编码器
计算机视觉与模式识别
2018-05-04 v3 机器学习
摘要
在本文中，我们设计并评估了一种卷积自编码器，该自编码器对人脸输入图像进行扰动以赋予主体隐私性。具体而言，所提出的自编码器对输入人脸图像进行变换，使得变换后的图像可成功用于人脸识别，但无法用于性别分类。为了训练该自编码器，我们提出了一种新颖的训练方案，本文中称之为半对抗训练。训练过程通过将一个由伪性别分类器和伪人脸匹配器组成的半对抗模块附加到自编码器上来辅助完成。用于训练该网络的目标函数包含三项：一项确保扰动后的图像是真实的人脸图像；另一项确保人脸的性别属性被混淆；第三项确保由扰动图像引起的生物特征识别性能不受影响。大量实验证实了所提架构在为人脸图像赋予性别隐私方面的有效性。
引用
@article{arxiv.1712.00321,
title = {Semi-Adversarial Networks: Convolutional Autoencoders for Imparting Privacy to Face Images},
author = {Vahid Mirjalili and Sebastian Raschka and Anoop Namboodiri and Arun Ross},
journal= {arXiv preprint arXiv:1712.00321},
year = {2018}
}