针对隐私保护视觉转换器的高效微调与领域自适应
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种用于视觉变换器（ViT）的隐私保护深度神经网络（DNN）的新方法，该方法允许我们不仅训练模型和使用视觉受保护的图像进行测试，而且还能避免使用加密图像导致的性能下降，而传统方法无法避免图像加密的影响。通过领域适应方法，高效地对使用加密图像的 ViT 进行微调。实验证明，该方法在 CIFAR-10 和 ImageNet 数据集的图像分类任务中，在分类准确度方面优于传统方法。
提出了一种用于ViT的隐私保护DNN的新方法，通过领域适应方法高效微调加密图像的ViT。实验证明该方法在CIFAR-10和ImageNet数据集的图像分类任务中优于传统方法的分类准确度。
