چکیده مقاله
با گسترش سریع رسانه های دیجیتال و ظهور فناوری های تولید تصاویر جعلی به ویژه مبتنی بر شبکه های مولد تخاصمی GANS ، تشخیص تصاویر دستکاری شده به یکی از چالش های مهم در حوزه امنیت اطلاعات و اعتماد عمومی تبدیل شده است در سال های اخیر استفاده از هوش مصنوعی و به ویژه یادگیری عمیق به عنوان رویکردی موثر برای شناسایی این نوع داده ها مورد توجه گسترده قرار گرفته است هدف این مقاله مروری بررسی جامع پژوهش های انجام شده در زمینه تشخیص تصاویر جعلی با تکیه بر مدل های یادگیری عمیق است بدین منظور روش های مختلف مبتنی بر شبکه های کانولوشنی CNN ، شبکه های بازگشتی RNN ، مدل های هیبریدی و ساختارهای جدید مانند Transformer مورد مقایسه قرار گرفته اند همچنین مجموعه داده ها و شاخص های ارزیابی متداول در این حوزه معرفی و تحلیل شده اند یافته های مرور نشان می دهد که ترکیب چندین مدل و استفاده از ویژگی های سطح بالا می تواند دقت تشخیص را به طور قابل توجهی افزایش دهد با این حال چالش هایی همچون کمبود داده های واقعی، قدرت فریب بالای تصاویر تولیدشده و هزینه محاسباتی زیاد همچنان از موانع اساسی محسوب می شوند در پایان مسیرهای آینده پژوهش شامل بهره گیری از یادگیری بدون نظارت و مدل های چندوجهی پیشنهاد شده است
کلیدواژهها
نویسندگان
عرفان دادایی شهرکردی
دانشجوی کارشناسی کامپیوتر دانشکده فنی پسران شهرکرد، تهران، ایران
احسان سلیمانی دهکردی
دانشجوی دکتری مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد میبد، میبد، ایران
شیوه ارجاع
�ادایی شهرکردی، عرفان و سلیمانی دهکردی، احسان،1404،بررسی تشخیص تصاویر جعلی با هوش مصنوعی با استفاده از یادگیری عمیق،هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات،مشهد
ارائهشده در
مجموعه مقالات هشتمین کنفرانس بین المللی هوش مصنوعی و چشم انداز آینده آن در علوم مهندسی برق ، کامپیوتر ، مکانیک و مخابرات5 آذر 1404 · مشهد