Privacy-Preserving Image Classification Using ConvMixer with Adaptive Permutation Matrix

要約

本論文では、ConvMixer構造の利用下で暗号化画像を用いたプライバシー保護画像分類法を提案する。プライバシー保護画像分類課題には、様々な攻撃に対して十分頑健なブロックワイズスクランブル画像が用いられているが、画像暗号化の影響を軽減するためには、分類ネットワークと適応ネットワークの併用が必要である。しかし、適応ネットワークを用いた従来の方法では、適応ネットワークのパラメータが多いため、画像サイズが大きい場合には適用が不可能であった。そこで、ブロック単位のスクランブル画像を適応ネットワークなしで学習・テストともにConvMixerに適用できるだけでなく、従来手法よりも高い分類精度を実現する新規手法を提案する。

要約(オリジナル)

In this paper, we propose a privacy-preserving image classification method using encrypted images under the use of the ConvMixer structure. Block-wise scrambled images, which are robust enough against various attacks, have been used for privacy-preserving image classification tasks, but the combined use of a classification network and an adaptation network is needed to reduce the influence of image encryption. However, images with a large size cannot be applied to the conventional method with an adaptation network because the adaptation network has so many parameters. Accordingly, we propose a novel method, which allows us not only to apply block-wise scrambled images to ConvMixer for both training and testing without the adaptation network, but also to provide a higher classification accuracy than conventional methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL