현재 위치
Home
Neural Style Transfer를 이용한 얼굴 비식별화
Facial De-identification Using Neural Style Transfer
-
- 발행기관
- 국제차세대융합기술학회 바로가기
-
- 간행물
- 차세대융합기술학회논문지 KCI 등재 바로가기
-
- 통권
- 제6권 12호 (2022.12)바로가기
-
- 페이지
- pp.2240-2248
-
- 저자
-
- 언어
- 한국어(KOR)
-
- URL
- https://www.earticle.net/Article/A421889
※ 기관로그인 시 무료 이용이 가능합니다.
4,000원
원문정보
초록
- 영어
- The driver's face or pedestrian's face which collected through the vehicle black box has important value as data for accident analysis or driver monitoring model construction. However, face data without prior consent raises privacy issues, and in all cases, obtaining information with prior consent is not easy. In addition, if de-identification is carried out with an emphasis on privacy issues, it is dificult to evaluate whether the facial image after de-identification matches the data such as facial expression and gender actually extracted. In this paper, we propose a method for preserving and confirming information such as facial expression, gender, and age after de-identification by using Neural Style Transfer. As a result of applying the optimal style, it was confirmed that important facial features were preserved even after de-identification with a de-identification rate of 80.93% and a recognition rate of 95.3% for subjective evaluation items such as expression, gender, and age. The de-identification method proposed in this paper can be used as high-quality data for detection and recognition models as the extracted data can be confimed by humans while protecting privacy.
- 한국어
- 차량 블랙박스를 통해 수집되는 운전자의 얼굴이나 보행자의 얼굴은 사고 분석이나 운전자 모니터링 모델 구축을 위한 데이터로써 중요한 가치를 지닌다. 하지만 사전동의를 얻지 않은 얼굴 데이터는 개인정보 보호 문제가 제기되며 모든 경우에 사전동의를 얻어 정보를 획득하기가 쉽지 않다. 또한 개인정보 보호 문제를 중요시하여 비식 별화를 진행하게 되면 비식별화를 진행한 이후의 얼굴 이미지가 실제로 추출한 표정, 성별 등의 데이터와 일치하는 지 평가할 수 없다는 문제점이 있다. 본 논문에서는 Neural Style Transfer를 이용하여 비식별화를 진행하여 비식 별화 후에도 표정, 성별, 나이 등의 정보를 보존하고 확인 가능한 방법을 제안한다. 제안된 알고리즘을 통해 최적의 화풍을 적용한 결과 80.93%의 비식별화율과 주관적 평가 항목인 표정, 성별, 나이에 대해 95.3%의 인식률로 비식 별화 후에도 얼굴의 중요한 특징을 보존하는 것을 확인하였다. 본 논문(연구)에서 제안한 비식별화 방법은 개인정 보를 보호하면서 추출한 데이터를 사람이 검수할 수 있어 탐지와 인식 모델에 양질의 데이터로 활용이 가능하다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 기존 연구
2.1 비식별화에 관한 기존 연구
2.2 합성곱 신경망
Ⅲ. 제안하는 논문
3.1 얼굴 영역 비식별화를 위한 학습 네트워크 구성
3.2 얼굴 영역 검출
Ⅳ. 실험 및 결과
4.1 학습 및 실험을 위한 데이터 구성
4.2 실험 결과 및 성능 평가
Ⅴ. 결론
REFERENCES
키워드
얼굴 비식별화 개인정보 딥러닝 화풍 Face De-identification Privacy Deep learning Style저자
간행물 정보
발행기관
-
- 발행기관명
- 국제차세대융합기술학회 [International Next-generation Convergence technology Association]
- 설립연도
- 2017
- 분야
- 복합학>기술정책
- 소개
- Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.
간행물
-
- 간행물명
- 차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
- 간기
- 월간
- pISSN
- 2508-8270
- 수록기간
- 2017~2026
- 등재여부
- KCI 등재
- 십진분류
- KDC 506 DDC 606
이 권호 내 다른 논문 / 차세대융합기술학회논문지 제6권 12호
피인용수 : 0건 (자료제공 : 네이버학술정보)
함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.
출처 : 네이버학술정보
0개의 논문이 장바구니에 담겼습니다.