- 1、本文档共7页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第 49 卷 第 4 期 湖 南 大 学 学 报 (自 然 科 学 版 ) Vol.49,No.4
2 0 2 2 年 4 月 JournalofHunanUniversity(NaturalSciences) Apr.2022
文章编号:1674-2974(2022)04-0011-07 DOI:10.16339/ki.hdxbzkb.2022277
基于对抗样本的深度学习图像压缩感知方法
1,2 1† 1
王继良 ,周四望 ,金灿灿
(1. 湖南大学信息科学与工程学院,湖南长沙410082;
2. 长沙环境保护职业技术学院,湖南长沙410004)
摘 要:压缩感知是研究数据采样压缩与重构的信号处理新理论,近年来研究人员将深度
学习运用到图像压缩感知算法中,显著提高了图像重构质量.然而,图像信息常与隐私关联,
高质量的重构图像在方便人们观赏的同时,带来了隐私保护的问题.本文基于深度学习理论,
提出一种对抗的图像压缩感知方法.该方法将压缩理论和对抗样本技术统一于同一个压缩感
知算法,通过设计损失函数,联合重构误差和分类误差来训练压缩感知深度神经网络,使得压
缩感知重构样本同时也是一个对抗样本.因此,重构图像在保证重构质量的同时,也能对抗图
像分类算法,降低其识别率,达到保护图像隐私的效果.在Cifar-10和MNIST图像集上进行的
实验结果表明,和已有的压缩感知方法相比,我们提出的对抗压缩感知方法以损失仅10%的
图像重构质量为代价,使得图像分类精度下降了74%,获得了很好的对抗性能.
关键词:对抗样本;深度学习;图像;压缩感知
中图分类号:TP391 文献标志码:A
MethodofDeepLearningImageCompressed
SensingBasedonAdversarialSamples
1,2 1† 1
WANGJiliang ,ZHOUSiwang ,JINCancan
(1.CollegeofComputerScienceandElectronicEngineering,HunanUniversity,Changsha410082,China;
2.ChangshaEnvironmentalProtectionCollege,Changsha410004,China)
Abstract:Compressedsensingisanewsignalprocessingtheoryfocusingondatasamplingcompressionandre-
construction.Inrecentyears,researchershaveapplieddeeplearningtoimagecompressedsensingalgorithms,which
significantlyimprovesthequalityoftherecoveredimages. However, imagesareoftenassociatedwithpersonalpri-
vacy,andhigh-qualityrecoveredimagesoftenbringprivacyprotectionproblemswhilefacilitatingpeoplesviewing.
Basedondeepneuralnetwork,thispaperproposesanimagecompressedsensingalgor
文档评论(0)