[論文レビュー] Training with the Invisibles: Obfuscating Images to Share Safely for Learning Visual Recognition Models

Taehoon Kim, Dongmin Kang+2 more|arXiv (Cornell University)|Jan 1, 2019

Face recognition and analysis参考文献 38被引用数 11

ひとこと要約

この論文では、人間が個人的・機密的な詳細を認識できないように画像をごまかす手法を提案している。一方で、視覚認識モデルの学習に必要な有用性は保持される。元の画像で学習したモデルと比較して、画像分類、属性分類、顔のランドマーク検出の各タスクで、0.48%以内の性能差で学習が可能である。

ABSTRACT

High-performance visual recognition systems generally require a large collection of labeled images to train. The expensive data curation can be an obstacle for improving recognition performance. Sharing more data allows training for better models. But personal and private information in the data prevent such sharing. To promote sharing visual data for learning a recognition model, we propose to obfuscate the images so that humans are not able to recognize their detailed contents, while machines can still utilize them to train new models. We validate our approach by comprehensive experiments on three challenging visual recognition tasks; image classification, attribute classification, and facial landmark detection on several datasets including SVHN, CIFAR10, Pascal VOC 2012, CelebA, and MTFL. Our method successfully obfuscates the images from humans recognition, but a machine model trained with them performs within about 1% margin (up to 0.48%) of the performance of a model trained with the original, non-obfuscated data.

研究の動機と目的

• 個人的または機密的な内容を含む視覚データセットの共有に伴うプライバシー懸念に対処するため。
• プライベートな情報を暴露せずに、高精度な視覚認識モデルの学習に適した安全なデータ共有を可能にするため。
• 機械学習に有用な画像の有用性を保ちつつ、人間が認識できないようにする手法を開発するため。
• 元のデータで学習したモデルと同等の性能を、ごまかし済みデータで学習したモデルが達成できることを検証するため。

提案手法

• 人間が識別できないコンテンツをぼかすが、モデル学習に有用な意味的情報を保持するように画像特徴を変更する深層ニューラルネットワークベースのぼかし技術を適用する。
• 特徴空間において、ぼかし画像が元の入力と意味的に類似していることを保証するため、微分可能な損失関数を用いる。
• 人間による認識を最小限に抑えつつモデルの有用性を維持するため、知覚的損失と adversarial 損失の両方を組み合わせて、エンドツーエンドでぼかしモデルを訓練する。
• ぼかし済み画像で視覚認識モデルを学習させ、元のデータで学習したモデルとの性能を比較評価する。
• 一般化性能を評価するため、SVHN、CIFAR10、Pascal VOC 2012、CelebA、MTFL といった標準ベンチマークを用いる。
• ぼかしが認識に必要な特徴を学習する能力に悪影響を与えないかを確認するため、代理タスクを用いる。

実験結果

リサーチクエスチョン

• RQ1 人間が個人的・機密的な内容を認識できないように画像をぼかし、同時に視覚認識モデルの学習に有用な状態を保てるか？
• RQ2 複数の視覚認識タスクにおいて、ぼかし済みデータで学習したモデルの性能は、元のデータで学習したモデルと比べてどの程度か？
• RQ3 ぼかし処理が、正確なモデル学習に必要な意味的コンテンツをどの程度保持しているか？
• RQ4 提案手法は、画像分類、属性分類、顔のランドマーク検出を含む多様なデータセットや認識タスクに一般化可能か？

主な発見

• 提案されたぼかし手法は、画像内の詳細な内容を人間が認識できなくなるように効果的に実現した一方で、高いモデル性能を維持した。
• ぼかし済みデータで学習したモデルは、元の画像で学習したモデルの性能と0.48%以内の差にとどまった。
• 画像分類、属性分類、顔のランドマーク検出の複数のタスクにおいて、一貫した性能を示した。
• SVHN、CIFAR10、Pascal VOC 2012、CelebA、MTFL といった困難なデータセットに対しても、モデルの有用性を維持した。
• 全評価タスクにおいて、元のデータとぼかし済みデータで学習したモデルの性能差は最小限であり、最大で0.48%の差にとどまった。
• ぼかし処理により、生の機密データにアクセスせずに、認識モデルが効果的に学習できる十分な意味的情報を保持した。