論文の概要: CNN-based fast source device identification
- arxiv url: http://arxiv.org/abs/2001.11847v3
- Date: Wed, 8 Jul 2020 13:57:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 06:28:32.738245
- Title: CNN-based fast source device identification
- Title(参考訳): CNNに基づく高速ソースデバイス識別
- Authors: Sara Mandelli, Davide Cozzolino, Paolo Bestagini, Luisa Verdoliva,
Stefano Tubaro
- Abstract要約: 畳み込みニューラルネットワーク(CNN)を用いた高速かつ正確な解法を提案する。
具体的には、カメラ指紋と画像ノイズをパッチレベルで比較する方法を学習する2チャンネルCNNを提案する。
このアプローチは、ソーシャルネットワークなど、大規模な画像データベースが分析されるシナリオに特に適している。
- 参考スコア(独自算出の注目度): 30.17213343080699
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Source identification is an important topic in image forensics, since it
allows to trace back the origin of an image. This represents a precious
information to claim intellectual property but also to reveal the authors of
illicit materials. In this paper we address the problem of device
identification based on sensor noise and propose a fast and accurate solution
using convolutional neural networks (CNNs). Specifically, we propose a
2-channel-based CNN that learns a way of comparing camera fingerprint and image
noise at patch level. The proposed solution turns out to be much faster than
the conventional approach and to ensure an increased accuracy. This makes the
approach particularly suitable in scenarios where large databases of images are
analyzed, like over social networks. In this vein, since images uploaded on
social media usually undergo at least two compression stages, we include
investigations on double JPEG compressed images, always reporting higher
accuracy than standard approaches.
- Abstract(参考訳): ソース識別は、画像の原点を追跡することができるため、画像鑑識において重要なトピックである。
これは知的財産を請求する上で貴重な情報であり、また違法な資料の著者も明らかにしている。
本稿では,センサノイズに基づくデバイス識別の問題に対処し,畳み込みニューラルネットワーク(CNN)を用いた高速かつ正確な解法を提案する。
具体的には、カメラ指紋と画像ノイズをパッチレベルで比較する方法を学習する2チャンネルCNNを提案する。
提案手法は従来の手法よりもはるかに高速であり,精度の向上が期待できる。
このアプローチは、ソーシャルネットワークなど、大規模な画像データベースが分析されるシナリオに特に適している。
この例では、ソーシャルメディアにアップロードされた画像は通常、少なくとも2つの圧縮段階にあるため、二重JPEG圧縮画像の調査を含め、常に標準的なアプローチよりも高い精度を報告している。
関連論文リスト
- Automatic Photo Orientation Detection with Convolutional Neural Networks [2.5215715078435705]
コンボリューショナルニューラルネットワーク(CNN)を,消費者写真の正しい方向を決定する文脈において,画像方向検出の問題に適用する。
我々は、標準データセットの1つの性能の観点から、公開されている技術状況を大幅に改善する。
我々は、ガイドバックプロパゲーションを使用して、CNNが写真方向を検出する方法の洞察を得、その誤りを説明する。
論文 参考訳(メタデータ) (2023-05-17T16:00:49Z) - Iris super-resolution using CNNs: is photo-realism important to iris
recognition? [67.42500312968455]
特に畳み込みニューラルネットワーク(CNN)を用いた単一画像超解像技術が出現している
本研究では, 虹彩認識のためのCNNを用いて, 単一画像の超解像を探索する。
彼らは、近赤外線虹彩画像の1.872のデータベースと携帯電話画像データベースのアプローチを検証する。
論文 参考訳(メタデータ) (2022-10-24T11:19:18Z) - Deep Convolutional Pooling Transformer for Deepfake Detection [54.10864860009834]
本研究では,局所的・グローバル的に決定的な画像特徴を取り入れた深部畳み込み変換器を提案する。
具体的には,抽出した特徴を充実させ,有効性を高めるために,畳み込みプーリングと再アテンションを適用した。
提案手法は、内部実験と相互データセット実験の両方において、最先端のベースラインを一貫して上回る。
論文 参考訳(メタデータ) (2022-09-12T15:05:41Z) - Implicit Neural Representations for Image Compression [103.78615661013623]
Inlicit Neural Representations (INRs) は、様々なデータ型の新規かつ効果的な表現として注目されている。
量子化、量子化を考慮した再学習、エントロピー符号化を含むINRに基づく最初の包括的圧縮パイプラインを提案する。
我々は、INRによるソース圧縮に対する我々のアプローチが、同様の以前の作業よりも大幅に優れていることに気付きました。
論文 参考訳(メタデータ) (2021-12-08T13:02:53Z) - Influence of image noise on crack detection performance of deep
convolutional neural networks [0.0]
深層畳み込みニューラルネットワークを用いた画像データからのひび割れの分類について多くの研究がなされている。
本稿では,画像ノイズがネットワークの精度に与える影響について検討する。
AlexNetは提案したインデックスに基づいて最も効率的なモデルに選ばれた。
論文 参考訳(メタデータ) (2021-11-03T09:08:54Z) - Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for
Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。
ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。
一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
論文 参考訳(メタデータ) (2021-03-31T01:48:29Z) - CNNs for JPEGs: A Study in Computational Cost [49.97673761305336]
畳み込みニューラルネットワーク(CNN)は過去10年間で驚くべき進歩を遂げてきた。
CNNはRGBピクセルから直接データの堅牢な表現を学習することができる。
近年,圧縮領域から直接学習できる深層学習手法が注目されている。
論文 参考訳(メタデータ) (2020-12-26T15:00:10Z) - DIPPAS: A Deep Image Prior PRNU Anonymization Scheme [21.227797471108747]
ソースデバイス識別に利用される典型的なトレースは、Photo Response Non-Uniformity (PRNU) です。
画像品質に大きな影響を及ぼすことなく、自然画像からそのような痕跡を抑える手法を考案する。
要するに、Convolutional Neural Network (CNN) はジェネレータとして動作し、ソース PRNU に関して匿名化されたイメージを返します。
論文 参考訳(メタデータ) (2020-12-07T10:56:50Z) - D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and
Localization [108.8592577019391]
画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。
画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。
D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-03T10:54:02Z) - The Forchheim Image Database for Camera Identification in the Wild [10.091921099426294]
Forchheim Image Database (FODB)は、27台のスマートフォンカメラで143シーンの23,000枚以上の画像で構成されている。
各画像は、オリジナルのカメラネイティブバージョンと、ソーシャルネットワークから5つのコピーの6つの異なる品質で提供される。
汎用EfficientNetは、クリーン画像と圧縮画像の両方で、いくつかの専門のCNNを著しく上回っている。
論文 参考訳(メタデータ) (2020-11-04T11:54:54Z) - Training CNNs in Presence of JPEG Compression: Multimedia Forensics vs
Computer Vision [18.3198215837364]
我々は,異なるコンピュータビジョンと法医学的画像分類問題を考慮したCNNトレーニングにおけるJPEGの効果に着目した。
法医学的検知器を適切に訓練するためには,トレーニングデータセットを作成する際にこれらの効果を検討する必要がある。
論文 参考訳(メタデータ) (2020-09-25T08:47:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。