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
کلیدواژهها
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
شیوه ارجاع
�ارع مهر جردی، فاطمه و لطیف، علی محمد و سردار زارچی، محسن،1401،تشخیص تصاویر سالم و جعل با استفاده از شبکه DenseNet و مفهوم یادگیری انتقالی،اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوع�
ارائهشده در
مجموعه مقالات دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی8 اسفند 1402 · اهواز