論文の概要: Detection and Localization of Multiple Image Splicing Using MobileNet V1
- arxiv url: http://arxiv.org/abs/2108.09674v1
- Date: Sun, 22 Aug 2021 09:27:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-25 03:51:51.530403
- Title: Detection and Localization of Multiple Image Splicing Using MobileNet V1
- Title（参考訳）: MobileNet V1を用いた複数画像スプリシングの検出と位置推定
- Authors: Kalyani Kadam, Dr. Swati Ahirrao, Dr. Ketan Kotecha, Sayan Sahu
- Abstract要約: 2つ以上の画像を組み合わせて、ソーシャルメディアプラットフォーム間で情報を伝達できる新しい画像を生成する。
本研究では,Mask R-CNNを用いた複数画像スプライシングの偽造検出手法を提案する。
また、複数のスプライシング画像の鍛造領域のパーセンテージスコアを算出する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In modern society, digital images have become a prominent source of
information and medium of communication. They can, however, be simply altered
using freely available image editing software. Two or more images are combined
to generate a new image that can transmit information across social media
platforms to influence the people in the society. This information may have
both positive and negative consequences. Hence there is a need to develop a
technique that will detect and locates a multiple image splicing forgery in an
image. This research work proposes multiple image splicing forgery detection
using Mask R-CNN, with a backbone as a MobileNet V1. It also calculates the
percentage score of a forged region of multiple spliced images. The comparative
analysis of the proposed work with the variants of ResNet is performed. The
proposed model is trained and tested using our MISD (Multiple Image Splicing
Dataset), and it is observed that the proposed model outperforms the variants
of ResNet models (ResNet 51,101 and 151).
- Abstract（参考訳）: 現代社会では、デジタル画像は情報とコミュニケーションの媒体の顕著な源となっている。
しかしそれらは、自由に利用できる画像編集ソフトウェアを使って簡単に変更できる。
2つ以上の画像を組み合わせて、ソーシャルメディアプラットフォーム間で情報を伝達し、社会の人々に影響を与える新しい画像を生成する。
この情報は、ポジティブな結果とネガティブな結果の両方をもたらす可能性がある。
したがって、画像中の複数の画像スプライシングの偽造を検知し、発見する技術を開発する必要がある。
本研究では,Mask R-CNNを用いた複数画像スプライシングの偽造検出手法を提案する。
また、複数のスプライシング画像の鍛造領域のパーセンテージスコアを算出する。
提案手法とResNetの変種の比較分析を行った。
提案したモデルはMISD(Multiple Image Splicing Dataset)を用いてトレーニング,テストを行い,提案モデルがResNetモデルの変種(ResNet 51,101,151)より優れていることを確認した。
関連論文リスト
- Search By Image: Deeply Exploring Beneficial Features for Beauty Product
Retrieval [21.78262478923889]
本稿では,ニューラルネットワークによる美容積検索(BPR)の実用的意義について検討する。
我々は様々な種類の画像の特徴を抽出し、これらの特徴がiにとって有益かどうかという興味深い疑問を提起する。
美容製品画像の複数特徴(VM-Net)の組み合わせを理解するために,新しい可変アテンションニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2023-03-24T15:38:58Z) - Impact of Scaled Image on Robustness of Deep Neural Networks [0.0]
生画像のスケーリングはアウト・オブ・ディストリビューションデータを生成するため、ネットワークを騙すための敵攻撃の可能性がある。
本研究では,ImageNet Challengeデータセットのサブセットを複数でスケーリングすることで,Scaling-DistortionデータセットのImageNet-CSを提案する。
論文 参考訳（メタデータ） (2022-09-02T08:06:58Z) - Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。
我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文 参考訳（メタデータ） (2022-04-19T17:59:45Z) - Corrupted Image Modeling for Self-Supervised Visual Pre-Training [103.99311611776697]
自己教師型視覚前訓練のためのCIM(Corrupted Image Modeling)を提案する。
CIMは、小さなトレーニング可能なBEiTを備えた補助発電機を使用して、人工マスクトークンを使用する代わりに入力イメージを破損させる。
事前トレーニング後、エンハンサーは下流タスク用の高容量ビジュアルエンコーダとして使用できる。
論文 参考訳（メタデータ） (2022-02-07T17:59:04Z) - MVSS-Net: Multi-View Multi-Scale Supervised Networks for Image
Manipulation Detection [10.594107680952774]
画像操作検出の鍵となる研究課題は、新しいデータの操作に敏感な一般化可能な特徴の学習方法である。
本稿では,多視点特徴学習とマルチスケール監視による両面の考察を行う。
我々の考えはMVSS-Netと拡張バージョンMVSS-Net++と呼ばれる新しいネットワークによって実現されている。
論文 参考訳（メタデータ） (2021-12-16T15:01:52Z) - Multimodal Deep Learning Framework for Image Popularity Prediction on
Social Media [24.104443991470287]
画像の人気は、視覚的コンテンツ、美的品質、ユーザ、ポストメタデータ、時間など、いくつかの要因に影響される可能性がある。
我々は、投稿された画像の人気を予測する、視覚社会的畳み込みニューラルネットワーク(VSCNN)と呼ばれるディープラーニングモデルを提案する。
論文 参考訳（メタデータ） (2021-05-18T19:58:58Z) - Shape-Texture Debiased Neural Network Training [50.6178024087048]
畳み込みニューラルネットワークは、トレーニングデータセットによって、テクスチャまたは形状にバイアスされることが多い。
形状・テクスチャ・デバイアスド学習のためのアルゴリズムを開発した。
実験により,本手法は複数の画像認識ベンチマークにおけるモデル性能の向上に成功していることが示された。
論文 参考訳（メタデータ） (2020-10-12T19:16:12Z) - Text as Neural Operator: Image Manipulation by Text Instruction [68.53181621741632]
本稿では、複雑なテキスト命令を用いて複数のオブジェクトで画像を編集し、オブジェクトの追加、削除、変更を可能にする設定について検討する。
タスクの入力は、(1)参照画像を含むマルチモーダルであり、(2)所望の修正を記述した自然言語の命令である。
提案モデルは,最近の3つの公開データセットの強いベースラインに対して良好に動作することを示す。
論文 参考訳（メタデータ） (2020-08-11T07:07:10Z) - Swapping Autoencoder for Deep Image Manipulation [94.33114146172606]
画像操作に特化して設計されたディープモデルであるSwapping Autoencoderを提案する。
キーとなるアイデアは、2つの独立したコンポーネントで画像をエンコードし、交換された組み合わせをリアルなイメージにマップするように強制することだ。
複数のデータセットの実験により、我々のモデルはより良い結果が得られ、最近の生成モデルと比較してかなり効率が良いことが示されている。
論文 参考訳（メタデータ） (2020-07-01T17:59:57Z) - CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。
相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。
PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2020-03-24T04:55:43Z)
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。