圖像匿名化的案例
康謀分享 | 突破傳統(tǒng)匿名化：先進(jìn)技術(shù)解鎖數(shù)據(jù)價(jià)值新維度
例如，考慮一個(gè)匿名化圖像及其原始圖像對(duì)，經(jīng)過圖像標(biāo)注模型處理后，如果某個(gè)概念在匿名化圖像中的置信度值低于其在原始圖像中的置信度值，則對(duì)最終mAP分?jǐn)?shù)的影響較小；而如果某個(gè)概念僅出現(xiàn)在匿名化圖像中，而未出現(xiàn)在其原始圖像中，則影響較大。
前5和前50個(gè)概念的結(jié)果如表2所示。
表2：用mAP測(cè)量圖像概念一致性（越高越好）
四、總結(jié)
本文探討了如何通過深度自然匿名化（DNAT）技術(shù)提升匿名化數(shù)據(jù)的價(jià)值，打破了傳統(tǒng)匿名化方法在合規(guī)性與數(shù)據(jù)質(zhì)量之間的固有權(quán)衡。DNAT通過生成自然替換而非破壞像素信息，不僅有效保護(hù)了個(gè)人隱私，還最大限度地保留了數(shù)據(jù)的分析價(jià)值。
實(shí)驗(yàn)表明，DNAT在圖像分割和內(nèi)容一致性方面顯著優(yōu)于傳統(tǒng)匿名化方法，能夠更好地支持后續(xù)的AI分析和應(yīng)用。
展開 利用圖像識(shí)別技術(shù)進(jìn)行全自動(dòng)非結(jié)構(gòu)化網(wǎng)格劃分
今天給大家分享一個(gè)很有意思的劃分網(wǎng)格工具：可以根據(jù)圖像進(jìn)行非結(jié)構(gòu)化劃分網(wǎng)格。
代碼來源：https://github.com/otvam/mesh_from_bitmap_matlab
若Github訪問速度較慢，也可以在公眾號(hào)后臺(tái)回復(fù)：圖像識(shí)別劃分網(wǎng)格，便可自動(dòng)獲取壓縮包。
示例效果
先看看一些效果圖吧：
代碼介紹
主函數(shù)文件
用戶可通過調(diào)節(jié)結(jié)構(gòu)體里面的參數(shù)進(jìn)行圖像的拾取及單元尺寸的控制，需要注意有以下幾點(diǎn)：
在進(jìn)行選擇圖像時(shí)，只能選擇黑、白兩種顏色的圖像，即黑色區(qū)域?yàn)閯澐志W(wǎng)格的區(qū)域；
圖像通過
imread函數(shù)進(jìn)行讀取，支持
bmp、
png、
jpg格式；
h_min與
h_max分別控制單元的最小尺寸與最大尺寸；
h_growth表示單元尺寸的增長(zhǎng)率，具體含義我解釋不清楚，反正，h_growth越大，網(wǎng)格越稀疏，h_growth越小，網(wǎng)格越密集；
scale與
simplify_tol也是控制網(wǎng)格局部加密的函數(shù)，會(huì)根據(jù)內(nèi)外輪廓進(jìn)行適當(dāng)局部加密。
展開 MATLAB GUI界面實(shí)現(xiàn)圖像二值化處理的實(shí)時(shí)顯示
h_untitled = getappdata(handles.figure_im2bw,'h_untitled');
axes(h_untitled.axes_dst);
img_src = getappdata(0,'img_src');
bw = im2bw(img_src,val);
imshow(bw);
以上語句通過從滑塊中提取的值確定二值化的閾值，最后使用imshow函數(shù)生成二值化處理后的圖像，并實(shí)時(shí)顯示在圖像框中。
ABAQUS二維混凝土細(xì)觀模型的數(shù)字化重建技術(shù)(二)圖像映射
上篇文章介紹了基于圖像進(jìn)行混凝土細(xì)觀模型的幾何重構(gòu)法，詳細(xì)步驟可查看下面的連接。
ABAQUS二維混凝土細(xì)觀模型的數(shù)字化重建技術(shù)(一)幾何重構(gòu)
https://www.yqgqt.org.cn/post/1990726
本篇介紹二維混凝土細(xì)觀模型在ABAQUS中數(shù)字化重建技術(shù)的第二種方法——基于ABAQUS背景網(wǎng)格的圖像映射方法。混凝土圖像前處理部分與第一種方案一致，這里不多做贅述，將處理完成的混凝土圖像通過ABAQUS Image To Part 2D插件進(jìn)行導(dǎo)入，導(dǎo)入時(shí)縮放比例參數(shù)（Scaling）設(shè)置為0.3，可將分辨率為500×500 px的圖像建立尺寸為150×150 mm的試件模型（0.3 = 150/500）。模型建立后采用EasyCDP Mortar&ITZ插件設(shè)置混凝土損傷塑性材料參數(shù)，本案例不考慮骨料的損傷破壞。
設(shè)置分析步、載荷后建立作業(yè)，并在提交作業(yè)前采用ABAQUS CDED插件設(shè)置混凝土開裂。
提交作業(yè)完成模擬分析。
展開 
基于CTA斷層圖像直腸及周圍結(jié)構(gòu)數(shù)字模型的重建及三維可視化研究
目的尋求基于ＣＴＡ斷層圖像重建直腸及周圍結(jié)構(gòu)數(shù)字模型及三維可視化的方法。方法基于空氣灌腸造影及 ＣＴＡ血管造影技術(shù)，６４排螺旋ＣＴ對(duì)胸１２至股骨中上部分沿橫斷面在動(dòng)脈期及靜脈期連續(xù)跟蹤掃描。Ｍｉｍｉｃｓ軟件基 于８５６層Ｄｉｃｏｍ ３．０標(biāo)準(zhǔn)ＣＴ連續(xù)斷層二維圖像，分別對(duì)直腸及周圍結(jié)構(gòu)等各種組織進(jìn)行三維重建。結(jié)果建立直腸及 周圍結(jié)構(gòu)三維數(shù)字模型。結(jié)論薄層ＣＴ掃描技術(shù)和Ｄｉｃｏｍ ３．０標(biāo)準(zhǔn)的應(yīng)用使數(shù)字模型的建立更為精確，空氣灌腸造 影及ＣＴＡ血管造影技術(shù)方便建立腸管及血管結(jié)構(gòu)，Ｍｉｍｉｃｓ軟件基于ＣＴ掃描圖像建立人體各種結(jié)構(gòu)更為方便，獲得數(shù) 字模型可為解剖教學(xué)、手術(shù)培訓(xùn)提供醫(yī)療教學(xué)平臺(tái)
基于CTA斷層圖像直腸及周圍結(jié)構(gòu)數(shù)字模型的重建及三維可視化研究.pdf
展開 數(shù)據(jù)驅(qū)動(dòng)變革時(shí)代，自動(dòng)駕駛研發(fā)如何破解數(shù)據(jù)跨境合規(guī)難題？
為此，康謀提出了一套基于人工智能的、由淺入深的行業(yè)領(lǐng)先匿名化方案。
1、精準(zhǔn)模糊
通過自動(dòng)且精準(zhǔn)地識(shí)別圖像和視頻中的人臉與車牌，高度貼合人臉的自然輪廓，僅對(duì)車牌字符區(qū)域進(jìn)行處理，最大限度地保留了背景環(huán)境的完整性，為分析和機(jī)器學(xué)習(xí)提供了高質(zhì)量的基礎(chǔ)數(shù)據(jù)；
2、全身模糊 (Full body Blur)
一種擴(kuò)展的全身匿名化技術(shù)，完整識(shí)別行人輪廓，進(jìn)一步防止通過姿態(tài)、服裝、紋身等間接識(shí)別到具體個(gè)人，提供更全面的隱私保護(hù)，適合高敏感度場(chǎng)景如公共場(chǎng)所監(jiān)控、校園測(cè)試等；
3、深度自然匿名化技術(shù) (DNAT）
突破性的圖像匿名化技術(shù)，不再是傳統(tǒng)的“遮蓋”，而是“重生”。DNAT通過先進(jìn)的生成式AI技術(shù)，為檢測(cè)到的人臉和車牌創(chuàng)建一個(gè)全新的、合成的、但外觀完全自然的覆蓋層。
（1）不可逆，真匿名： 生成的覆蓋層是隨機(jī)且唯一的，確保原始身份信息無法通過任何手段被逆向工程破解，完全符合全球主流法規(guī)的匿名化標(biāo)準(zhǔn)；
（2）保留核心屬性： 在替換面部的同時(shí)，DNAT能夠保留原始人物的性別、種族、視線方向、面部表情甚至佩戴物（如眼鏡）等關(guān)鍵屬性；
（3）完全支持AI訓(xùn)練： 經(jīng)DNAT處理的數(shù)據(jù)，在用于目標(biāo)檢測(cè)、語義分割等AI模型訓(xùn)練時(shí)，其性能表現(xiàn)與使用原始數(shù)據(jù)幾乎沒有差異。
四、總結(jié)
全球數(shù)據(jù)法規(guī)的協(xié)同化與嚴(yán)格化已是不可逆轉(zhuǎn)的趨勢(shì)。對(duì)于在自動(dòng)駕駛領(lǐng)域競(jìng)爭(zhēng)的企業(yè)來說，將數(shù)據(jù)合規(guī)從“成本中心”轉(zhuǎn)變?yōu)椤皯?zhàn)略優(yōu)勢(shì)”，是在未來獲勝的關(guān)鍵。
Brighter AI通過靈活的部署方式（云端、本地、邊緣計(jì)算）和具有開創(chuàng)性的生成式匿名化技術(shù)，可為全球汽車企業(yè)和技術(shù)供應(yīng)商提供了一條清晰的解決路徑。
我是分享自動(dòng)駕駛技術(shù)的康謀，歡迎關(guān)注互動(dòng)~
展開 康謀分享 | 從云端到單機(jī)的數(shù)據(jù)匿名化全攻略
企業(yè)通過攝像頭采集海量數(shù)據(jù)用于自動(dòng)駕駛模型訓(xùn)練、生產(chǎn)線缺陷檢測(cè)、門店客流分析等場(chǎng)景，但隨之而來的是日益嚴(yán)苛的隱私合規(guī)壓力 —— 歐盟GDPR、中國(guó)PIPL等規(guī)定明確要求，敏感數(shù)據(jù)處理需滿足匿名化脫敏存儲(chǔ)等硬性條件。
傳統(tǒng)云端方案雖然便捷，卻面臨侵犯隱私數(shù)據(jù)、跨境傳輸風(fēng)險(xiǎn)、網(wǎng)絡(luò)依賴及成本不可控等問題，越來越多企業(yè)開始尋求本地化匿名化解決方案，在保障合規(guī)性的同時(shí)釋放視頻數(shù)據(jù)價(jià)值。
二、從KBS到單機(jī)Docker的匿名化方案
1、基于 AWS Kubernetes 的彈性集群
關(guān)于“基于 AWS Kubernetes 的彈性集群”方案，下面將從技術(shù)架構(gòu)、模式、服務(wù)支持三方面具體闡述：
（1）隱私優(yōu)先的技術(shù)架構(gòu)
通過 Terraform 在 AWS 專用 VPC 私有子網(wǎng)內(nèi)構(gòu)建 Kubernetes 集群，實(shí)現(xiàn)數(shù)據(jù)全生命周期隔離；集成 Loki、Prometheus、Grafana 監(jiān)控堆棧，實(shí)時(shí)追蹤資源利用率、作業(yè)吞吐量及系統(tǒng)健康狀態(tài)，確保處理流程透明可控。這種隱私優(yōu)先的架構(gòu)為大規(guī)模匿名化提供了可靠的安全態(tài)勢(shì)和顯著的吞吐量。
（2）雙模式靈活匹配
方案提供兩種模式，適合不同的吞吐量需求和預(yù)算。 高效模式可以并行處理多達(dá) 100 個(gè) 15 GB 視頻，在多達(dá) 150 臺(tái)機(jī)器上每秒提供約 500 幀。這種方法利用了搶占式實(shí)例（Spot Instances）以提高成本效益。
另一邊，高吞吐量模式在多達(dá) 400 臺(tái)機(jī)器上以每秒數(shù)千個(gè)的速度并行處理多達(dá) 300 個(gè) 15 GB 的視頻，依靠搶占式實(shí)例實(shí)現(xiàn)最大的穩(wěn)定性。
展開 康謀產(chǎn)品 | 深度自然匿名化：隱私保護(hù)與視覺完整性并存的未來！
<p>在科技迅速發(fā)展的時(shí)代，<strong>保護(hù)個(gè)人隱私</strong>的需求日益增長(zhǎng)，<strong>有效匿名化技術(shù)</strong>的重要性不容忽視。無論是針對(duì)敏感的圖像、視頻，還是數(shù)據(jù)，在<strong>隱私保護(hù)與保持視覺完整性</strong>之間取得平衡至關(guān)重要。雖然模糊化一直是匿名化的常用選擇，但一種更復(fù)雜、更強(qiáng)大的方法——<strong>深度自然匿名化（DNAT）</strong>——已經(jīng)成為一種更優(yōu)的替代方案。</p><h2><strong>一、深度自然匿名化（DNAT）的優(yōu)勢(shì)</strong></h2><h3><strong>1、保留上下文信息</strong></h3><p><strong>（1）模糊技術(shù)的局限：</strong>模糊處理的主要缺點(diǎn)之一是<strong>上下文信息的丟失</strong>。當(dāng)圖像或視頻嚴(yán)重模糊時(shí)，當(dāng)圖像或視頻被嚴(yán)重模糊化時(shí)，重要的視覺線索和細(xì)節(jié)可能會(huì)<strong>被扭曲</strong>或<strong>完全不可辨認(rèn)</strong>。</p><p><strong>（2）DNAT的優(yōu)勢(shì)：</strong>DNAT利用先進(jìn)的算法，<strong>有選擇性地修改</strong>圖像或視頻中的特定元素，同時(shí)保留整體上下文。例如，通過<strong>brighter AI的DNAT</strong>技術(shù)在匿名化人臉時(shí)，公司可以<strong>保留關(guān)鍵屬性</strong>，如年齡、情感、視線方向、種族和年齡信息。這確保了匿名化內(nèi)容仍然具有可理解性，并保持其<strong>原始的視覺完整性</strong>。
展開 康謀分享 | 數(shù)據(jù)隱私和匿名化：PIPL與GDPR下，如何確保數(shù)據(jù)合規(guī)？（二）
總之，在跨境傳輸過程中，為降低數(shù)據(jù)泄露或不當(dāng)使用的風(fēng)險(xiǎn)，企業(yè)需對(duì)敏感數(shù)據(jù)進(jìn)行加密或匿名化處理。
