【技术实现步骤摘要】
一种基于场景上下文感知的图像隐私预测方法
[0001]本专利技术属于图像处理技术，特别涉及一种基于场景上下文感知的图像隐私预测方法。
技术介绍
[0002]随着智能手机和其他移动设备的日益普及，高质量的摄像头也越来越普遍。因此，捕捉图片并在各种社交平台上分享已经成为我们日常生活中常见的一部分，人们越来越多地在网上分享图片。图片分享不仅发生在一群朋友之间，而且越来越多地发生在用户的社交圈子之外，目的是为了进行新的社交。尽管目前的社交网站允许用户更改他们的隐私偏好，但对于绝大多数用户来说，这往往是一项繁琐的任务，他们在分配和管理隐私设置方面面临困难。当这些隐私设置不合适时，在线图像共享可能会导致不必要的泄露和侵犯隐私。因此，在我们当前互联的世界中，在将图片上传到社交网站之前，自动预测图片的隐私以警告用户隐私或敏感内容已成为一种必要。所以，如果没有适当的隐私保护，共享的图像可能会揭示用户的大部分个人和社会环境以及他们的私生活，因为图像可以直观地告诉用户特定时刻发生的时间和地点、参与的人以及他们的关系。不幸的是，许多人，特别是社交网...
【技术保护点】
【技术特征摘要】
1.一种基于场景上下文感知的图像隐私预测方法，其特征在于，具体包括以下步骤：获取待分享的图像，以及图像的场景上下文信息，即分享该图像时的分享时间、分享地点以及分享目标人群；构建隐私标签预测网络，利用该网络预测待分享图像的隐私标签；构建基于场景上下文感知的跨模态图像隐私预测网络，将待分享图像、图像的隐私标签以图像的场景上下文信息输入该网络，预测图像是否属于隐私图像。2.根据权利要求1所述的一种基于场景上下文感知的图像隐私预测方法，其特征在于，基于历史数据，获取预测标签对应的分享时间、分享地点以及分享目标人群具体包括以下步骤：获取图像发布时的分享时间、分享地点以及分享目标人群；设置隐私标签，对单一属性标签的历史数据集进行人工标注，统计单一属性标签的历史数据集在分享时间、分享地点以及分享目标人群的隐私分数；将每个单一标签数据集在分享时间、分享地点以及分享目标人群三个方面分数最高的程度作为单一标签对应的敏感度。3.根据权利要求2所述的一种基于场景上下文感知的图像隐私预测方法，其特征在于，若设置N个隐私标签，对于其中第n个隐私标签，收集该标签对应的单一标签图像作为该标签对应的单一标签属性集，对该标签中每个图像进行人工标注，判断每张图像的分享时间、分享地点以及分享目标人群三个方面进行打分，分数在0～4分，0分表示没有受到侵犯、1分表示轻微受到侵犯、2分表示受到侵犯、3分表示比较严重的侵犯到隐私、4分表示十分严重的侵犯到隐私。4.根据权利要求2或3所述的一种基于场景上下文感知的图像隐私预测方法，其特征在于，分享时间包括工作时间和休息时间，分享地点包括公共场合、正式场合、私人场合，分享目标人群包括陌生人、一般关系人群以及亲密关系人群。5.根据权利要求1所述的一种基于场景上下文感知的图像隐私预测方法，其特征在于，利用隐私标签预测网络预测待分享图像的隐私标签时，隐私标签预测网络进行预测的过程包括：获取用户对每种标签的敏感程度，若用户认为该标签越隐私则该标签的铭感程度越高；利用Resnet网络提取用户分享的图像中的图像特征，使用softmax分类器对图像特征进行多标签分类，得到每个标签的置信度；获取每个标签的置信度与该标签对应的敏感程度相乘的值，将该值超过1对应的标签作为该图像对应的隐私标签。6.根据权利要求1所述的一种基于场景上下文感知的图像隐私预测方法，其特征在于，基于场景上下文感知的跨模态图像隐私预测网络判断图像是否属于隐私图像的过程包括：基于图像的隐私标签和图像的场景上下文信息，获取表示图像的隐私标签和图像的场景上下文信息之间关联度的亲和矩阵；利用亲和矩阵从图像的隐私标签中提取得到隐私标签的显著信息、从图像的场景上下文信息中提取得到场景上下文信息的显著信息；将场景上下文信息的隐私配文特征与隐私标签的显著特征融合，得到第一隐私标签信
息；将隐私标签的隐私配文特征与场景上下文信息的显著特征融合，得到隐私特征信息；将第一隐私标签信息与图像的特征基于交叉注意力进行融合，得到第二隐私标签信息；将图像特征与第二隐私标签信息之间的相似度作为局部相似度，将图像特征与隐私特征信息之间的相似度作为全局相似度，局部相似度和全局相似度的加权相加后...
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。