-
题名动态梯度阈值裁剪的差分隐私生成对抗网络算法
被引量：2
- 1
-
-
作者
陈少权
蔡剑平
孙岚
-
机构
福州大学计算机与大数据学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第7期2065-2072,共8页
-
文摘
现有的生成对抗网络(GAN)和差分隐私相结合的方法大多采用梯度扰动的方法实现隐私保护,即在优化过程中利用梯度裁剪技术来约束优化器对单个数据的敏感性,并对裁剪后的梯度添加随机噪声以达到保护模型的目的。然而大多数方法在训练时裁剪阈值固定,而阈值过大或过小均会影响模型的性能。针对该问题,提出动态梯度阈值裁剪的DGC_DPGAN(Dynamic Gradient Clipping Differential Privacy Generative Adversarial Network)算法以兼顾隐私保护和模型的性能。该算法结合预训练技术,在优化过程中先求取每批次隐私数据的梯度F-范数均值作为动态梯度裁剪阈值,再对梯度进行扰动。考虑不同的裁剪顺序,提出先裁剪再加噪的CLIP_DGC_DPGAN(Clip Dynamic Gradient Clipping Differential Privacy Generative Adversarial Network)算法和先加噪再裁剪的DGC_DPGAN算法,并采用Rényi Accountant求取隐私损失。实验结果表明,在相同的隐私预算下,所提出的两种动态梯度裁剪算法与固定梯度阈值裁剪方法相比更优:在Mnist数据集上,所提两种算法在IS(Inception Score)、结构相似性(SSIM)、卷积神经网络(CNN)分类准确率上分别提升了0.32~3.92,0.03~0.27,7%~44%;在Fashion-Mnist数据集上,所提两种算法在IS、SSIM、CNN分类准确率上分别提升了0.40~4.32,0.01~0.44,20%~51%。同时,GAN模型生成图像的可用性更好。
-
关键词
生成对抗网络
差分隐私
动态梯度阈值裁剪
Rényi
Accountant
-
Keywords
Generative Adversarial Network(GAN)
differential privacy
dynamic gradient threshold clipping
Rényi Accountant
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
-
题名改进型CLAHE图像增强算法及其FPGA实现
被引量：2
- 2
-
-
作者
林立芃
杨朝阳
伍明诚
王仁平
阴亚东
-
机构
福州大学物理与信息工程学院
福建中医药大学中医证研究基地
-
出处
《电子测量技术》
北大核心
2024年第10期126-133,共8页
-
基金
福建省高校产学合作项目(2020Y4017)
福建中医药大学财政专项(X2020001)
福建省自然科学基金面上项目(2023J01398)资助。
-
文摘
为解决CLAHE算法硬件资源消耗量大的问题,从硬件实现的角度对算法进行两方面改进。针对裁剪阈值,提出了一种普适性裁剪阈值确定方法,基于信息熵和结构相似性构造了品质因数,以品质因数最佳作为评判标准确定硬件实现中的裁剪阈值,在平衡图像增强对比度和失真度的同时,避免消耗硬件资源对图像数据本身进行大量计算。针对超阈值像素再分配,提出了一种改进型分配方法,将超阈值像素仅均分给未超阈值的灰度级,且若其再次超阈值则停止分配,在降低图像失真度的同时,避免反复像素分配带来的硬件开销。在改进型CLAHE算法的基础上,完成基于FPGA的低照度图像增强系统实现,实验结果表明,在普适性裁剪阈值下,增强后的图像能够普遍获得更高的品质因数,具有更佳的综合效果;改进型像素再分配方法对比常规方法,图像在信息熵平均损失3.28%的代价下结构相似性可平均提升8.88%;低照度图像增强系统可实现640×480@60 fps的图像采集与处理。本设计可为图像增强算法的硬件实现提供一种新的参考。
-
关键词
图像增强
CLAHE改进算法
裁剪阈值
像素再分配
FPGA
-
Keywords
image enhancement
CLAHE improved algorithm
clipping threshold
pixel redistribution
FPGA
-
分类号
TN911
[电子电信—通信与信息系统]
TN79
[电子电信—电路与系统]
-
