Fugu-MT 論文翻訳(概要): Forensic Scanner Identification Using Machine Learning

論文の概要: Forensic Scanner Identification Using Machine Learning

arxiv url: http://arxiv.org/abs/2002.02079v1
Date: Thu, 6 Feb 2020 02:48:09 GMT
ステータス: 処理完了
システム内更新日: 2023-01-03 12:48:04.979300
Title: Forensic Scanner Identification Using Machine Learning
Title（参考訳）: 機械学習を用いた鑑識スキャナー識別
Authors: Ruiting Shao and Edward J. Delp
Abstract要約: 本稿では,スキャナ装置の法医学的解析に対処する機械学習システムについて述べる。提案システムはディープラーニングを用いて,様々なスキャン画像から固有の特徴を自動的に学習する。
参考スコア（独自算出の注目度）: 16.93803259128475
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Due to the increasing availability and functionality of image editing tools, many forensic techniques such as digital image authentication, source identification and tamper detection are important for forensic image analysis. In this paper, we describe a machine learning based system to address the forensic analysis of scanner devices. The proposed system uses deep-learning to automatically learn the intrinsic features from various scanned images. Our experimental results show that high accuracy can be achieved for source scanner identification. The proposed system can also generate a reliability map that indicates the manipulated regions in an scanned image.
Abstract（参考訳）: 画像編集ツールの可用性と機能の向上により,デジタル画像認証やソース識別,タンパ検出といった多くの法医学的手法が,画像解析において重要である。本稿では,スキャナ装置の法医学的解析を行うための機械学習システムについて述べる。提案システムはディープラーニングを用いて,様々なスキャン画像から固有の特徴を自動的に学習する。実験結果から,ソーススキャナの同定に高い精度が期待できることがわかった。提案システムは,スキャンした画像内の操作領域を示す信頼性マップも生成できる。

関連論文リスト

Object Detection for Automated Coronary Artery Using Deep Learning [0.0]
本稿では,冠動脈狭窄の部位を正確に同定するために,X線血管造影画像の物体検出法を応用した。このモデルにより,狭窄箇所の自動的かつリアルタイムな検出が可能となり,決定プロセスの重要かつ機密性の高い支援が可能となった。
論文参考訳（メタデータ） (2023-12-19T13:14:52Z)
Analyzing eyebrow region for morphed image detection [4.879461135691896]
提案手法は,眼窩領域の周波数を解析することに基づく。以上の結果から,本手法は画像の変形検出に有用なツールである可能性が示唆された。
論文参考訳（メタデータ） (2023-10-30T06:11:27Z)
Mind the Gap: Scanner-induced domain shifts pose challenges for representation learning in histopathology [6.309771474997404]
自己教師付き事前トレーニングは、腫瘍セグメンテーションの下流タスクにおいて、スキャナによるドメインシフトを克服するために使用することができる。自己教師付き事前学習が様々なスキャナー表現の整列に成功し、興味深いことに、下流タスクに限られた利益をもたらすことが示される。
論文参考訳（メタデータ） (2022-11-29T12:16:39Z)
Automatic Image Content Extraction: Operationalizing Machine Learning in Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文参考訳（メタデータ） (2022-04-05T12:19:24Z)
ObjectFormer for Image Manipulation Detection and Localization [118.89882740099137]
画像操作の検出とローカライズを行うObjectFormerを提案する。画像の高周波特徴を抽出し,マルチモーダルパッチの埋め込みとしてRGB特徴と組み合わせる。各種データセットについて広範な実験を行い,提案手法の有効性を検証した。
論文参考訳（メタデータ） (2022-03-28T12:27:34Z)
Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文参考訳（メタデータ） (2021-11-09T13:30:34Z)
A New Approach for Image Authentication Framework for Media Forensics Purpose [0.0]
本稿では,デジタル画像認証と独創性識別のための新しいデジタル法医学的セキュリティフレームワークを提案する。このアプローチは、調査中の画像の不正な修正を示す必要があるRGBイメージにシークレットコードを埋め込むことに依存します。
論文参考訳（メタデータ） (2021-10-03T18:31:37Z)
Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文参考訳（メタデータ） (2021-09-21T16:18:45Z)
Semantic segmentation of multispectral photoacoustic images using deep learning [53.65837038435433]
光音響イメージングは医療に革命をもたらす可能性がある。この技術の臨床的翻訳には、高次元取得したデータを臨床的に関連性があり解釈可能な情報に変換する必要がある。本稿では,多スペクトル光音響画像のセマンティックセグメンテーションに対する深層学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2021-05-20T09:33:55Z)
A Survey of Machine Learning Techniques in Adversarial Image Forensics [45.219116050446786]
画像鑑定は刑事捜査と民事訴訟において重要な役割を果たしている。機械学習のアプローチは画像法医学にも活用されている。本稿では,機械学習に基づくバイナリ操作検出器の堅牢性向上に有効な手法について検討する。
論文参考訳（メタデータ） (2020-10-19T17:16:38Z)

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。