基于生成對(duì)抗網(wǎng)絡(luò)的圖片隱私保護(hù)算法研究與實(shí)現(xiàn)
【文章頁數(shù)】:66 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1通過處理隱私區(qū)域來保護(hù)隱私的示例??上的法多直圖的隱私區(qū)域,但同時(shí)缺點(diǎn)非常明顯,當(dāng)一張照片??
第一章緒論隱藏。而本課題提出的隱私保護(hù)手段屬于第四類,對(duì)圖片進(jìn)行編輯,敏感或者隱私區(qū)域來隱藏隱私信息,這樣隱私就不會(huì)泄漏。??對(duì)圖片的編輯方式不同,該類方法可以簡(jiǎn)單劃分幾個(gè)類別。首先是ad/suppression的方法,該類方法直接移除圖片中的隱私信息或者對(duì)這行修改,比如使用常見....
圖2-1生成對(duì)抗網(wǎng)絡(luò)框架示例圖??
從而能誤導(dǎo)判別模型做出錯(cuò)誤的判斷,將生成模型生成的樣本分類成真實(shí)標(biāo)簽。??而判別模型的目標(biāo)同生成模型的相反,需要正確判斷出輸入是否是來源于真實(shí)數(shù)??據(jù),兩個(gè)模型形成了一種對(duì)抗關(guān)系,如圖2-1所示。在訓(xùn)練過程中,兩個(gè)模型的??性能在對(duì)抗中提升,直到達(dá)到一個(gè)動(dòng)態(tài)的平衡(納什均衡),此....
圖2-2?DCGAN的生成網(wǎng)絡(luò)結(jié)構(gòu)示意圖[22]??
?Real?image??圖2-1生成對(duì)抗網(wǎng)絡(luò)框架示例圖??生成對(duì)抗網(wǎng)絡(luò)在訓(xùn)練過程中,一般固定其中一個(gè)模型的參數(shù),用梯度下降法??去更新另一個(gè)模型的網(wǎng)絡(luò)參數(shù)。生成模型的目標(biāo)是生成逼近于真實(shí)數(shù)據(jù)的樣本,??從而能誤導(dǎo)判別模型做出錯(cuò)誤的判斷,將生成模型生成的樣本分類成真實(shí)標(biāo)簽。??而....
圖2-3對(duì)抗樣本示例[25]??目前,由于對(duì)抗樣本對(duì)深度學(xué)習(xí)在實(shí)際中的應(yīng)用造成了很大的威脅[26],針對(duì)??
??上圖2-1為DCGAN[22]的生成模型的結(jié)構(gòu)示意圖,與原始GAN不同的是,??DCGAN在網(wǎng)絡(luò)結(jié)構(gòu)上有了改進(jìn),使用了卷積層代替了全連接層,并使用了批標(biāo)??準(zhǔn)化(BatchNormalization,?BN)等技術(shù),為GAN的訓(xùn)練提供了一個(gè)更好的網(wǎng)絡(luò)結(jié)??構(gòu)。除此之外,DCG....
本文編號(hào):3962140
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3962140.html