The invention provides a deep learning based on image privacy perception method, which comprises the following steps: S1, construction of data classification with privacy category tagging set, using the method of transfer learning training, use of privacy aware network; S2 convolutional neural network for the recognition of privacy privacy aware image; S3, based on Neural Network deep convolution feature extraction of attention distribution map, and locate the focus area for the image area of privacy perception. The beneficial effect of the invention is that the end to end training and testing are completed based on the deep neural network, which can accurately distinguish the privacy image and locate the privacy area in the image, so that the privacy information in the image can be selectively protected.
【技术实现步骤摘要】
一种基于深度学习的图像隐私感知方法
本专利技术涉及人工智能,尤其涉及一种基于深度学习的图像隐私感知方法。
技术介绍
隐私感知是隐私保护过程中重要的先决条件,而图像是目前社交网络中最主要的信息类型之一,对海量的图像数据进行隐私感知变得尤为关键。鉴于隐私的概念具有很强的主观性,目前存在的图像隐私感知方法通常先界定通用意义上的图像隐私(如个人证件、家庭合照、机密文件快照等)或者利用用户个体在社交网络上的标注。现有的方法主要有以下缺点:一、在隐私图像特征提取方面,现有的大部分方法是使用传统的图像特征提取方法,如SIFT特征、RGB特征、颜色直方图等等,在特征表达能力上有一定的局限性,无法表示深层的语义级别的特征,分类模型泛化能力差。二、目前存在的一些感知图像隐私的方法需要使用额外的信息才能达到可以接受的感知效果,比如用户对图像主观标记的图像描述标签或者用户自己设定的访问控制策略,然而这些信息在大部分情况下很难获取,对应用场景的要求也较为苛刻,模型的通用性较差。三、现有的图像隐私感知方法只完成了图像级别的隐私感知,即区分整张图像是否为隐私图像,并没有对图像隐私区域进行感知。然而在实际应用中,有时需要对图像的隐私区域进行遮挡或模糊化处理,以达到隐私保护的目的。
技术实现思路
为了解决现有技术中的问题,本专利技术提供了一种基于深度学习的图像隐私感知方法。本专利技术提供了一种基于深度学习的图像隐私感知方法,包括以下步骤:S1、构建带类别标注的隐私分类数据集,使用迁移学习的方法训练隐私感知网络;S2、使用面向隐私感知的深度卷积神经网络完成隐私图像的识别;S3、根据神经网络深层卷 ...
【技术保护点】
一种基于深度学习的图像隐私感知方法,其特征在于,包括以下步骤:S1、构建带类别标注的隐私分类数据集,使用迁移学习的方法训练隐私感知网络;S2、使用面向隐私感知的深度卷积神经网络完成隐私图像的识别;S3、根据神经网络深层卷积特征提取注意力分布图,并定位注意力集中区域完成对图像隐私区域的感知。
【技术特征摘要】
1.一种基于深度学习的图像隐私感知方法,其特征在于,包括以下步骤:S1、构建带类别标注的隐私分类数据集,使用迁移学习的方法训练隐私感知网络;S2、使用面向隐私感知的深度卷积神经网络完成隐私图像的识别;S3、根据神经网络深层卷积特征提取注意力分布图,并定位注意力集中区域完成对图像隐私区域的感知。2.根据权利要求1所述的基于深度学习的图像隐私感知方法,其特征在于,步骤S1包括:先在大规模图像数据集上对深度卷积神经网络模型进行预训练,然后构建隐私分类数据集,将预训练的深度卷积神经网络模型在隐私分类数据集上进行微调。3.根据权利要求2所述的基于深度学习的图像隐私感知方法,其特征在于,步骤S2包括:在深度卷积神经网络的最后一层卷积层后加入双线性运算层,增强深度卷积神经网络模型的特征表达能力,同时将全连接层改为池化层。4.根据权利要求3所述的基于深度学习的图像隐私感知方法,其特征在于,步骤S3包括:根据池化层的各节点权重和经过双线性运算的特征图的对应关系,得到加权的高层特征图作为注意力分布图,并通过尺度变换,定位原图中的隐私区域。5.根据权利要求3所述的基于深度学习的图像隐私感知方法,其特征在于:双线性运算层主要计算卷积后的特征图之间两两点乘的结果,设原特征图集合M={m1,m2,…,mn},输出的双线性特征图集合为M’={m’1,m’2,…,m’n×n},则转换的公式如下:其中代表矩阵的点乘,代表向上取整,n表示原特征图的个数,i表示双线性特征图的下标。6.根据权利要求5所述的基于深度学习的图像隐私感知方法,其特征在于:对双线性特征图进行降维操作。7.根据权利要求6所述的基于深度学习的图像隐私感知方法,其特征在于:采用TensorSketch算法对双线性特征图进行降维操作。8.根据权利要...
【专利技术属性】
技术研发人员:王鸿鹏,张阳,尤磊,何华门,黄兴森,
申请(专利权)人:哈尔滨工业大学深圳研究生院,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。