AI-United » Allgemein » DeepPrivacy: das Neuronennetz anonymisiert Bilder

DeepPrivacy: das Neuronennetz anonymisiert Bilder

DeepPrivacy ist ein generatives Neuronennetz, das Gesichter in einem Bild anonymisiert. Das Modell erkennt Gesichter in einem Bild und ersetzt sie durch generierte Gesichter. Der Datensatz wurde veröffentlicht, auf dem dieses Modell trainiert wurde, er enthält 1,47 Millionen Bilder von Gesichtern. Für jedes Gesicht gibt es eine Markierung der Schlüsselpunkte und der Grenzen des Gesichts. 

Die Wissenschaftler schlagen eine neue Architektur des Generators vor, die private Informationen auf dem Bild völlig entfernt.

Der Datensatz mit Gesichtern

Die Gesichter wurden aus dem Datensatz YFCC100-M extrahiert, der 1,08 Millionen Bilder enthält. Die Architektur Mask R-CNN mit dem Bezugsmodell ResNet-50 FPN wurde angewandt, um die Schlüsselpunkte des Gesichts zu markieren

Die Grenzen der Gesichter auf den Bildern wurden mit Hilfe von Single Shot Scaleinvariant Face Detector erkannt. Um die Vorhersagen von beiden Neuronennetzen zu kombinieren, korrelierten die Wissenschaftler die Vorhersagen der Schlüsselpunkte und der Grenzen des Gesichts, wenn sich die Markierungen der Augen und der Nase innerhalb desselben umgebenden Felds befanden.

Die Architektur des Modells

Der Generator hat eine U-net Architektur. Er nimmt die Information über den Hintergrund des Bildes beim Training in Betracht. Der Kodierer und der Dekodierer haben die gleiche Anzahl von Filtern bei jeder Faltung. Der Dekodierer hat eine zusätzliche Faltung nach jeder Sprungverbindung.

Nach jeder Faltungsschicht folgt eine Schicht mit einer Normalisierung von Pixeln und LeakyReLU.

Die Visualisierung der Komponenten des Generators

Beispiele der Arbeit des Modells

Die Arbeit des Modells wurde auf dem Datensatz WIDER Face validiert. Die Wissenschaftler verglichen das Netzwerk DeepPrivacy mit anderen Methoden zur Anonymisierung von Gesichtern: das Verdunkeln, das Ersetzen durch große Pixel und Unschärfe. Unten sieht man, dass die Methode DeepPrivacy den Ergebnissen fortgeschrittener Ansätze für alle Aufgaben nahe kommt oder sie übertrifft.

Ausgewählte Beispiele für die Arbeit des Neuronennetzes. Alle Gesichter auf den Bildern wurden generiert
Der quantitative Vergleich von Ansätzen. Die Metrik — Average Precision (AP)
Quelle
AI-United-Redaktion

Kommentar hinzufügen

Your email address will not be published. Required fields are marked *

300-101   400-101   300-320   300-070   300-206   200-310   300-135   300-208   810-403   400-050   640-916   642-997   300-209   400-201   200-355   352-001   642-999   350-080   MB2-712   400-051   C2150-606   1Z0-434   1Z0-146   C2090-919   C9560-655   642-64   100-101   CQE   CSSLP   200-125   210-060   210-065   210-260   220-801   220-802   220-901   220-902   2V0-620   2V0-621   2V0-621D   300-075   300-115   AWS-SYSOPS   640-692   640-911   1Z0-144   1z0-434   1Z0-803   1Z0-804   000-089   000-105   70-246   70-270   70-346   70-347   70-410