تشخیص جعل اتصال تصویر بر اساس یادگیری عمیق

تشخیص جعل اتصال تصویر به عنوان یکی از رایجترین و پیچیده ترین انواع جعل ها، نیازمند توجه ویژه ای است. در این روش، بخش های مختلف تصاویر، ویرایش و ترکیب می شوند تا تصویری جعلی با ظاهری واقعی ایجاد شود که هدف آن فریب دادن بیننده یا ایجاد روایت نادرست است. روش های سنتی تشخیص جعل با تکیه بر ویژگیهای خاص و قابل اندازه گیری در تصاویر، به تنهایی قادر به شناسایی دستکاری های خفیف و ترکیب های پیچیده در تصاویر نیستند. در این راستا، استفاده از روش های یادگیری عمیق به عنوان یک راهکار نوین و موثر در تشخیص جعل اتصال تصویر مطرح شده اند که قادر هستند تغییرات ظریف در تصاویر را شناسایی کنند. در این پژوهش روش پیشنهادی یک رویکرد ترکیبی است که در آن از تحلیل سطح خطا برای استخراج ویژگی های ابتدایی تصویر استفاده می شود. سپس این ویژگی ها به دو مدل MobileNetV۱ و MobileNetV۲ که تمام لایه های آن ها فریز شده اند، داده می شود. برای تطبیق با وظیفه خاص تشخیص جعل، دو لایه تماما متصل به انتهای مدل ها اضافه شده اند که این مدل ها را به مدل سفارشی شده تبدیل می کند. برای افزایش دقت تشخیص جعل، روش میانگیری در حوزه یادگیری جمعی به عنوان مرحله آخر روش پیشنهادی معرفی می شود. برای ارزیابی این پژوهش از دو پایگاه داده CASIA۱ و MISD استفاده شده است. روش پیشنهادی در مقایسه با سایر روش های پیشین با استفاده از پایگاه داده CASIA۱ توانست عملکرد خوبی با دقت ۹۴% از خود نشان دهد و با استفاده از پایگاه داده MISD که اولین مجموعه داده چند اتصال تصاویر است، توانست دقت عالی ۹۹% را کسب کند.

کلیدواژه ها:

جعل تصویر ، تشخیص جعل اتصال تصویر ، یادگیری عمیق ، شبکه عصبی پیچشی