Класифікація конфіденційних зображень із використанням нейронного хешу

Автор(и)

  • Olena Buchko Національний університет «Києво-Могилянська академія», Україна
  • San Byn Nhuien Національний університет «Києво-Могилянська академія», Україна https://orcid.org/0000-0001-9991-140X

DOI:

https://doi.org/10.18523/2617-3808.2022.5.68-71

Ключові слова:

нейронні мережі, хешування, найближчі сусіди, навчання на прикладах

Анотація

Запропоновано підхід із застосуванням нейронного хешу для розв’язання задачі класифікації конфіденційних зображень. Головна ідея алгоритму полягає у пошуку схожих зображень – таких, що слугуватимуть взірцем для визначення класів. Алгоритм використовує хеш-коди, що дає змогу забезпечити приватність світлин користувачів. Розглянуто псевдоадаптивність мережі.

Біографії авторів

Olena Buchko, Національний університет «Києво-Могилянська академія»

Бучко Олена Андріївна – Ph.D. технічних наук, доцент факультету інформатики Національного університету «Києво-Могилянська академія», olena.buchko@ukma.edu.ua

San Byn Nhuien, Національний університет «Києво-Могилянська академія»

Нгуєн Сан Бинь Ванович – випускник 2022 року магістерської програми «Комп’ютерні науки» факультету інформатики Національного університету «Києво-Могилянська академія», mr.sn5.kma@gmail.com

Посилання

  1. Apple. (2021). CSAM detection: Technical summary. https://www.apple.com/child-safety/pdf/CSAM_Detection_Technical_Summary.pdf.
  2. Goodfellow, I., Bengio, Y., & Courville, A. (2017). Deep learning (adaptive computation and machine learning series). MIT Press.
  3. He, K., Zhang, X., Ren, S., & Sun, J. Deep residual learning for image recognition. Microsoft Research, 12. https://doi.org/10.48550/arXiv.1512.03385
  4. Howard, J., & Gugger, S. (2020). Deep learning for coders with fastai and pytorch: AI applications without a phd. OReilly Media, Incorporated.
  5. Lee, K. M. (2012). Locality-Sensitive hashing techniques for nearest neighbor search. International Journal of Fuzzy Logic and Intelligent Systems, 12 (4), 300–307. https://doi.org/10.5391/ijfis.2012.12.4.300
  6. Orekondy, T., Schiele, B., & Fritz, M. (2017). Towards a visual privacy advisor: Understanding and predicting privacy risks in images. In 2017 IEEE international conference on computer vision (ICCV). https://doi.org/10.1109/iccv.2017.398
  7. Sasaki, Y. The truth of the F-measure. Research Fellow, 5. https://www.toyota-ti.ac.jp/Lab/Denshi/COIN/people/yutaka.sasaki/Fmeasure-YS-26Oct07.pdf.
  8. Wang, Y., Yao, Q., Kwok, J. T., & Ni, L. M. (2020). Generalizing from a Few Examples. ACM Computing Surveys, 53 (3), 1–34.

##submission.downloads##

Опубліковано

2023-02-24

Як цитувати

[1]
O. Buchko і S. B. Nhuien, «Класифікація конфіденційних зображень із використанням нейронного хешу», NRPCOMP, т. 5, с. 68–71, Лют 2023.

Номер

Том 5 (2022): Наукові записки НаУКМА. Комп’ютерні науки

Розділ

Комп’ютерні науки

Ліцензія

Авторське право (c) 2023 Olena Buchko, San Byn Nhuien

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори, які публікуються у цьому журналі, погоджуються з такими умовами:

а) Автори зберігають за собою авторські права на твір на умовах ліцензії CC BY 4.0 Creative Commons Attribution International License, котра дозволяє іншим особам вільно поширювати (копіювати і розповсюджувати матеріал у будь-якому вигляді чи форматі) та змінювати (міксувати, трансформувати, і брати матеріал за основу для будь-яких цілей, навіть комерційних) опублікований твір на умовах зазначення авторства.

б) Журнал дозволяє автору (авторам) зберігати авторські права без обмежень.

в) Автори мають право укладати самостійні додаткові угоди щодо поширення твору (наприклад, розміщувати роботу в електронному репозитарії), за умови збереження посилання на його першу публікацію. (Див. Політика Самоархівування)

г) Політика журналу дозволяє розміщення авторами в мережі Інтернет (наприклад, у репозитаріях) тексту статті, як до подання його до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).