[發(fā)明專利]一種基于深度學(xué)習(xí)與隱私保護(hù)技術(shù)的圖像識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210271673.5
• 申請(qǐng)日: 2022-03-18
• 公開(kāi)（公告）號(hào): CN114626471A
• 公開(kāi)（公告）日: 2022-06-14
• 發(fā)明（設(shè)計(jì)）人: 康海燕;王驍識(shí)
• 申請(qǐng)（專利權(quán)）人: 北京信息科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06V10/774;G06V10/40;G06V10/82;G06N3/04;G06N3/08;G06F21/62
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 劉芳

1.一種基于深度學(xué)習(xí)與隱私保護(hù)技術(shù)的圖像識(shí)別方法，其特征在于，所述方法包括：

獲取每一訓(xùn)練圖像對(duì)應(yīng)的輸出結(jié)果和多個(gè)特征參數(shù)；所述輸出結(jié)果為訓(xùn)練后的第一圖像識(shí)別模型的輸出結(jié)果；

采用LRP算法確定每一所述輸出結(jié)果對(duì)應(yīng)的各所述特征參數(shù)的特征相關(guān)度；所述特征相關(guān)度為所述特征參數(shù)與所述輸出結(jié)果之間的相關(guān)度；

根據(jù)所有所述特征相關(guān)度確定每一所述特征參數(shù)的平均特征相關(guān)度；

對(duì)各所述平均特征相關(guān)度均添加同樣的噪聲，得到多個(gè)加噪后的平均特征相關(guān)度；

根據(jù)每一所述加噪后的平均特征相關(guān)度，確定每一所述特征參數(shù)對(duì)應(yīng)的隱私預(yù)算；

根據(jù)每一所述隱私預(yù)算對(duì)每一所述特征參數(shù)添加噪聲，得到多個(gè)加噪后的特征參數(shù)；

利用多個(gè)所述加噪后的特征參數(shù)訓(xùn)練第二圖像識(shí)別模型，得到訓(xùn)練后的第二圖像識(shí)別模型；所述訓(xùn)練后的第二圖像識(shí)別模型的輸入為待識(shí)別圖像，輸出為所述待識(shí)別圖像的識(shí)別結(jié)果；

利用所述訓(xùn)練后的第二圖像識(shí)別模型對(duì)待識(shí)別圖像進(jìn)行識(shí)別，得到所述待識(shí)別圖像的識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)與隱私保護(hù)技術(shù)的圖像識(shí)別方法，其特征在于，所述獲取每一訓(xùn)練圖像對(duì)應(yīng)的輸出結(jié)果和多個(gè)特征參數(shù)，之前還包括：

獲取訓(xùn)練數(shù)據(jù)集；所述訓(xùn)練數(shù)據(jù)集包括多個(gè)訓(xùn)練圖像以及與每個(gè)所述訓(xùn)練圖像對(duì)應(yīng)的標(biāo)簽；

利用所述訓(xùn)練數(shù)據(jù)集對(duì)第一圖像識(shí)別模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的第一圖像識(shí)別模型；所述訓(xùn)練后的第一圖像識(shí)別模型的輸入為待識(shí)別圖像，輸出為所述待識(shí)別圖像的識(shí)別結(jié)果；

基于所述訓(xùn)練后的第一圖像識(shí)別模型，得到每一訓(xùn)練圖像對(duì)應(yīng)的輸出結(jié)果和多個(gè)特征參數(shù)。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)與隱私保護(hù)技術(shù)的圖像識(shí)別方法，其特征在于，所述根據(jù)所有所述特征相關(guān)度確定每一所述特征參數(shù)的平均特征相關(guān)度，具體包括：

利用公式計(jì)算第j項(xiàng)特征參數(shù)的平均特征相關(guān)度；式中，R_j(D)表示第j項(xiàng)特征參數(shù)的平均特征相關(guān)度，D表示訓(xùn)練圖像的總個(gè)數(shù)，表示第i個(gè)訓(xùn)練圖像對(duì)應(yīng)的第j項(xiàng)特征參數(shù)與第i個(gè)訓(xùn)練圖像對(duì)應(yīng)的輸出結(jié)果之間的相關(guān)度，x_i表示第i個(gè)訓(xùn)練圖像，x_ij表示第i個(gè)訓(xùn)練圖像對(duì)應(yīng)的第j項(xiàng)特征參數(shù)；其中，i和j均為正整數(shù)，i≤D，j≤d，d表示第i個(gè)訓(xùn)練圖像對(duì)應(yīng)的特征參數(shù)的總項(xiàng)數(shù)。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)與隱私保護(hù)技術(shù)的圖像識(shí)別方法，其特征在于，所述根據(jù)每一所述加噪后的平均特征相關(guān)度，確定每一所述特征參數(shù)對(duì)應(yīng)的隱私預(yù)算，具體包括：

利用公式計(jì)算第j項(xiàng)特征參數(shù)分配到的隱私預(yù)算；式中，ε_j表示第j項(xiàng)特征參數(shù)分配到的隱私預(yù)算，表示加噪后的第j項(xiàng)特征參數(shù)的平均特征相關(guān)度，ε₂表示總隱私預(yù)算。

5.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)與隱私保護(hù)技術(shù)的圖像識(shí)別方法，其特征在于，所述根據(jù)每一所述隱私預(yù)算對(duì)每一所述特征參數(shù)添加噪聲，得到多個(gè)加噪后的特征參數(shù)，具體包括：

根據(jù)所述第j項(xiàng)特征參數(shù)分配到的隱私預(yù)算，結(jié)合拉普拉斯分布，計(jì)算第j項(xiàng)特征參數(shù)的噪聲；

對(duì)第j項(xiàng)特征參數(shù)添加所述第j項(xiàng)特征參數(shù)的噪聲，得到多個(gè)加噪后的特征參數(shù)。