Block-wise Scrambled Image Recognition Using Adaptation Network #31
Description
INFO
author
Koki Madono1,2, Masayuki Tanaka2, Masaki Onishi2, Tetsuji Ogawa1,2
affiliation
1Department of Communications and Computer Engineering, Waseda University
2The National Institute of Advanced Industrial Science and Technology
conference or year
2020
link
概要
セキュリティのため，ブロック単位で画像をスクランブルにすることによって，第三者に対して知覚情報を隠す．
さらに，そのスクランブルされた画像を認識するためのネットワークを提案．
CIFARを用いて実験を行ない，DNNのみによる単純な画像分類より提案ネットワークを導入した方が良い性能を示すことを実証．
提案手法
検証
新規性
議論，展望
Comment
ネットワークの比較に関して，比較手法である
- Image Scramblingされた画像をそのまま入力
- Blockに分割したものをsub-networkに入力して，特徴量をintegration&rehape
の二つはこの論文で提案したELEがブロックの位置の入れ替えをしていることを考えると，性能が出ないのは直感的にあたりまえな気がする．
じゃあなぜ提案手法が良い結果を残したのか．
ブロックの入れ替え方はkeyによって操作されており暗号化されているため，パッチの位置は意味を持っていない．なので，提案ネットワーク含めどのネットワークもそもそもブロック単位での位置(元の画像の位置)は学習できていないと思われる．
ではなぜ提案手法が良い結果を出したのか？
->特徴的に意味があるブロック単位で特徴を圧縮し，それを全結合層で位置関係を考慮せず混ぜ混ぜにしてるから？
ある意味globalな情報を使っていると考えられるのでは？
通常のDNNベースもある程度全体の画像を低次元に圧縮しているので，位置的不変性はあると思うが(なのでLE-AdaptNetよりはかなりいい精度を出している)．一度ちゃんと区切られている領域で圧縮し学習した方が精度がいいのだろう．
date
Sep. 6th, 2022