کلاسه بندی تصاویر جعلی و سالم با استفاده از شبکه عصبی پیچشی طراحی شده

شناسایی تصاویر جعل یکی از موضوع های چالش برانگیز در زمینه بینایی کامپیوتر است. تصاویر منبعی از اطلاعات هستندو در برخی از کاربردها به عنوان سند و شاهد مورد استفاده قرار می گیرند، از این رو اعتبار و صحت تصاویر مهم است.امروزه عمل جعل یا دستکاری تصویر به راحتی با استفاده از ابزارهای ویرایش تصویر به راحتی انجام میشود. دردستکاری تصویر هدف تغییر دادن مفهوم تصویر و در عین حال حفظ حداکثری یکپارچگی بافت و ساختار تصویر است.یکی از ساده ترین روشهای دستکاری تصویر روش جعل کپی- انتقال است. در این روش بخشی از تصویر کپی و در مکان دیگری در همان تصویر منتقل می شود. این عمل با هدف پنهان سازی جزییات خاصی از تصویر یا تکثیر جلوه های ویژه درتصویر صورت میپذیرد. در این پژوهش هدف شناسایی تصاویر جعلی از تصاویر سالم با استفاده از شبکه کانولوشن است.برای این منظور دو روش ارائه شده است. در روش اول یک شبکه با سه انشعاب مختلف متشکل از لایه های کانولوشن باسایز فیلترهای متفاوت طراحی شده است. این شبکه با تصاویر رنگی و تصاویر حاصل از تجزیه و تحلیل خطا آموزش ومورد ارزیابی قرار گرفته است. در روش دوم یک شبکه با دو انشعاب متشکل از لایه های کانولوشن کاملا مشابه اما با دوورودی متفاوت تصاویر رنگی و تصاویر حاصل از تجزیه و تحلیل خطا طراحی شده است. در هر دو روش انشعاب ها با هم ادغام شده و تصاویر به دو گروه جعل و سالم طبقه بندی می شوند. روش های پیشنهادی با استفاده از ترکیب سه پایگاهداده MICC-F۶۰۰, MICC-F۲۲۰ و MICC-F۲۰۰۰ مورد ارزیابی قرار گرفته است و نتایج ارزیابی ها عملکرد رضایت بخش روشهای پیشنهادی را نشان می دهد.

Keywords:

شبکه کانولوشن , یادگیری عمیق , جعل کپی انتقال , تصاویر حاصل از تجزیه و تحلیل خطا