与不可见者共训： obfuscating 图像以安全共享用于学习视觉识别模型
计算机视觉与模式识别
2019-06-24 v2 机器学习
摘要
高性能视觉识别系统通常需要大量带标注图像进行训练。昂贵的数据整理工作可能成为提升识别性能的障碍。共享更多数据有助于训练更优模型。但数据中的个人与隐私信息阻碍了此类共享。为促进视觉数据共享以学习识别模型，我们提出对图像进行 obfuscating（混淆），使人类无法识别其详细内容，而机器仍可利用其训练新模型。我们在三项具有挑战性的视觉识别任务上通过综合实验验证了该方法：图像分类、属性分类和人脸关键点检测，所用数据集包括 SVHN、CIFAR10、Pascal VOC 2012、CelebA 和 MTFL。我们的方法成功对人类识别 obfuscate 了图像，但使用这些图像训练的机器模型性能与用原始未混淆数据训练的模型相比差距在约 1%（最高 0.48%）以内。
引用
@article{arxiv.1901.00098,
title = {Training with the Invisibles: Obfuscating Images to Share Safely for Learning Visual Recognition Models},
author = {Tae-hoon Kim and Dongmin Kang and Kari Pulli and Jonghyun Choi},
journal= {arXiv preprint arXiv:1901.00098},
year = {2019}
}
备注
The logical flow and the experimental validations have to be significantly revised