تشخیص تصاویر سالم و جعل با استفاده از شبکه DenseNet و مفهوم یادگیری انتقالی
محل انتشار: اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 233
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF06_052
تاریخ نمایه سازی: 26 خرداد 1402
چکیده مقاله:
تشخیص جعل یکی از موضوعات چالش برانگیز در زمینه بینایی ماشین است. امروزه جعل تصویر، از طریق دستکاری تصویر با استفاده از ابزارهای ویرایش متن به راحتی انجام می شود. در جعل تصویر هدف تغییر دادن مفهوم تصویر با ثابت نگهداشتن حداکثری یکپارچگی بافت و ساختار تصویر است. یکی از ساده ترین و پرکاربردترین روش های دستکاری، جعل کپی- انتقال است. در این پژوهش هدف تشخیص تصاویر جعلی از تصاویر سالم با استفاده از یادگیری عمیق است، برای این منظور دو روش ارائه شده است. در روش اول از شبکه از پیش آموزش داده شده DenseNet۱۲۱ و مفهوم یادگیری انتقالی استفاده شده است. در این روش لایه های اولیه که وظیفه استخراج لبه ها و نقاط کلیدی را دارند بدون تغییر باقی مانده و در فرآیند آموزش شرکت داده نشدند. لایه های پایانی شبکه به همراه یک لایه پولینگ سراسری و یک لایه کاملا متصل با یک نود و تابع سیگموید با پایگاه داده مورد نظر در فرآیند آموزش شرکت داده شدند. در روش پیشنهادی دوم، شبکه از پیش آموزش داده شده DenseNet۱۲۱ به عنوان استخراج کننده ویژگی استفاده شده است. برای این منظور از هر تصویر یک بردار ویژگی منحصر به فرد استخراج شده و در نهایت با استفاده از انواع الگوریتم های یادگیری ماشین تصاویر در دو دسته سالم و جعل طبقه بندی شدند. هر دو روش پیشنهادی بر روی پایگاه داده معروف CoMoFod ارزیابی شده اند. روش پیشنهادی اول با دقت ۹۸.۵۴ و صحت ۹۸.۳۶ و روش پیشنهادی دوم به همراه الگوریتم جنگل تصادفی با دقت ۹۸.۲۶ و صحت ۹۸.۲۱ عملکرد رضایت بخش هر دو روش را نشان می دهد
کلیدواژه ها:
نویسندگان
فاطمه زارع مهر جردی
دانشجوی دکتری هوش مصنوعی و رباتیکز دانشگاه یزد
علی محمد لطیف
دانشیار مهندسی کامپیوتر دانشگاه یزد
محسن سردار زارچی
دانشیار مهندسی کامپیوتر دانشگاه میبد