정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
RDID-GAN: 비식별화 이미지 데이터 복원을 통한 효과적인 학습데이터 생성 |
| 영문제목(English Title) |
RDID-GAN: Reconstructing a De-identified Image Dataset to Generate Effective Learning Data |
| 저자(Author) |
오원석
배강민
배유석
Wonseok Oh
Kangmin Bae
Yuseok Bae
|
| 원문수록처(Citation) |
VOL 48 NO. 12 PP. 1329 ~ 1334 (2021. 12) |
한글내용
(Korean Abstract) |
최근 여러 사회 문제들을 예방 및 신속하게 대처하기 위해 CCTV가 설치되고 있고 인공지능을 활용해 이를 효과적으로 처리하는 방안이 연구되고 있다. 하지만, CCTV에서 수집한 데이터는 개인정보 침해의 우려가 있어 비식별화 작업 없이는 자유롭게 사회문제 해결을 위한 모델을 연구하는데 사용할 수 없다. 따라서, 본 논문에서는 RDID-GAN을 제안하여 비식별화된 사람의 얼굴을 임의로 복원하여 개인 정보 침해의 우려를 줄이고 네트워크 학습에도 부정적인 영향을 주지 않는 효과적인 데이터셋 제작 방안을 제안한다. RDID-GAN은 attention module을 활용해 비식별화된 부분에 집중하여 합당한 결과를 생성할 수 있도록 하였다. 우리는 실험을 통해 해당 모델과 기존의 제안된 image-to-image 변환 모델을 정성적 및 정량적으로 비교하였다. |
영문내용
(English Abstract) |
Recently, CCTVs have been installed to prevent or handle various social problems, and there are many efforts to develop visual surveillance systems based on deep neural networks. However, the datasets collected from CCTVs are inappropriate to train models due to privacy issues. Therefore, in this paper, we proposed RDID-GAN, an effective dataset de-identification method that can remove privacy issues and negative effects raised by modifying the dataset using a de-identification procedure. RDID-GAN focuses on a de-identified region to produce competitive results by adopting the attention module. Through the experiments, we compared RDID-GAN and the conventional image-to-image translation models qualitatively and quantitatively. |
| 키워드(Keyword) |
적대적 생성망
비식별화 데이터셋
사람 인식기
시각 감시
image-to-image 변환
GAN
de-identified dataset
person detector
visual surveillance
image-to-image translation
|
| 파일첨부 |
PDF 다운로드
|
