@techreport{oai:ipsj.ixsq.nii.ac.jp:00224966,
 author = {三品, 翔大 and 森住, 哲也 and 木下, 宏揚 and Shota, Mishina and Tetsuya, Morizumi and Hirotsugu, Kinoshita},
 issue = {26},
 month = {Mar},
 note = {安全で利便性の高いデジタルコンテンツの著作権管理には，画像を識別するメッセージダイジェストが必要不可欠である．流通過程での加工編集を考慮すると通常の暗号学的ハッシュ関数のみでは不十分で，人間の知覚特性を考慮したコンテンツの同一性を判断可能な知覚ハッシュが必要不可欠となる．従来の知覚ハッシュの手法では加工編集に対する耐性が不十分であったが，畳み込みニューラルネットワーク（CNN）の重み係数に基づく知覚ハッシュでは十分な耐性を有している．しかし，生成者側と検証者側との間では学習済みのモデルを共有する必要があり，共有データのサイズ削減が課題となっている．本研究では CNN モデルのモデル圧縮の手法のうち枝刈りに着目して共有データサイズの削減を行い，知覚ハッシュの識別の精度と圧縮率の関係について評価を行う．, Message digests that identify images are indispensable for secure and convenient copyright management of digital content. Considering the processing and editing of digital content during the distribution process, a conventional cryptographic hash function is not sufficient. Conventional perceptual hashing methods are not sufficiently resistant to processing and editing, but perceptual hashing based on convolutional neural network (CNN) weight coefficients is sufficiently resistant. However, the learned models must be shared between the generator and the verifier, and reducing the size of the shared data is a problem. In this study, we focus on pruning as a method of model compression for CNN models to reduce the shared data size, and evaluate the relationship between the accuracy of perceptual hash identification and the compression ratio.},
 title = {CNNに基づく知覚ハッシュの枝刈りによるモデル圧縮},
 year = {2023}
}