آشکارسازی فشرده سازی JPEG مضاعف با استفاده از شبکه های عصبی عمیق در حوزه مکان
- سال انتشار: 1401
- محل انتشار: فصلنامه روش های هوشمند در صنعت برق، دوره: 13، شماره: 50
- کد COI اختصاصی: JR_JIPET-13-50_004
- زبان مقاله: فارسی
- تعداد مشاهده: 422
نویسندگان
گروه مهندسی برق مخابرات- دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
گروه مهندسی برق مخابرات- دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
دانشکده فنی و مهندسی - دانشگاه شاهد، تهران، ایران
چکیده
: با افزایش علاقه مندی به فشرده نمودن تصاویر با فرمت فرمت گروه مشترک متخصصان عکاسی (JPEG)، یکی از مهم ترین مباحث در دست کاری تصاویر دیجیتال، یافتن روشی مناسب جهت آشکارسازی فشرده سازی JPEG مضاعف است. در این مقاله با معرفی یک فیلتر تطبیقی آموزش دیده بر پایه خودرمزگذار پیچشی (CAE) و در حوزه مکان، به این موضوع پرداخته می شود تا با حذف اطلاعات تداخلی ناشی از محتوای تصویر، آشکارسازی دقیق تری داشته باشیم. از آنجایی که شبکه عصبی پیچشی (CNN) توانسته عملکرد موفقی در طبقه بندی تصاویر داشته باشد، از این شبکه ها در قسمت طبقه بندی استفاده می شود. مدل پیشنهادی بر اساس CAE متوالی شده با CNN است که توانسته دقت آشکارسازی و حساسیت به ضرایب کیفیت (QFs) قابل قبولی را در دو سناریوی هم تراز و ناهم تراز ارائه نماید. این مدل توانسته در برخی از حالتها، حساسیت نسبت به ضرایب کیفیت را تا ۸۶ در صد در مقدار کاهش خطای نسبی (RER) بهبود دهد. آزمایش های دیگری از جمله مکان یابی محل دست کاری بر روی مجموعه داده RAISE برای ارزیابی روش پیشنهادی انجام شده است. این نتایج نشان دهنده عملکرد بسیار خوب این روش نسبت به الگوریتم های مشابه در شرایطی است که ضریب کیفیت فشرده سازی دوم بزرگ تر از ضریب کیفیت فشرده سازی اول باشد.کلیدواژه ها
شبکه عصبی پیچشی, خودرمزگذار پیچشی, فیلتر تطبیقی, صحت آشکارسازی, مکان یابی محل دست کاریاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.