Fugu-MT 論文翻訳(概要): Convolutional Neural Networks for Image Spam Detection

論文の概要: Convolutional Neural Networks for Image Spam Detection

arxiv url: http://arxiv.org/abs/2204.01710v1
Date: Sat, 2 Apr 2022 15:10:44 GMT
ステータス: 処理完了
システム内更新日: 2022-04-07 05:47:45.902060
Title: Convolutional Neural Networks for Image Spam Detection
Title（参考訳）: 画像スパム検出のための畳み込みニューラルネットワーク
Authors: Tazmina Sharmin and Fabio Di Troia and Katerina Potika and Mark Stamp
Abstract要約: スパムは、孤立しないバルクメールと定義できる。テキストベースのフィルタを避けるために、スパマーは画像にスパムテキストを埋め込むことがある。我々は、この問題に対して畳み込みニューラルネットワーク(CNN)を適用し、CNNを用いて得られた結果と他の機械学習技術との比較を行い、その結果を過去の関連する研究と比較する。
参考スコア（独自算出の注目度）: 4.817429789586127
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Spam can be defined as unsolicited bulk email. In an effort to evade text-based filters, spammers sometimes embed spam text in an image, which is referred to as image spam. In this research, we consider the problem of image spam detection, based on image analysis. We apply convolutional neural networks (CNN) to this problem, we compare the results obtained using CNNs to other machine learning techniques, and we compare our results to previous related work. We consider both real-world image spam and challenging image spam-like datasets. Our results improve on previous work by employing CNNs based on a novel feature set consisting of a combination of the raw image and Canny edges.
Abstract（参考訳）: スパムは、不十分なバルクメールと定義できる。テキストベースのフィルターを避けるために、スパマーは画像にスパムテキストを埋め込むことがある。本研究では,画像解析に基づく画像スパム検出の問題点について考察する。畳み込みニューラルネットワーク(cnn)をこの問題に適用し,cnnを用いて得られた結果を他の機械学習手法と比較し,これまでの研究と比較した。実世界の画像スパムと、画像スパムライクなデータセットの両方を考える。本研究は,生画像とキャニーエッジの組み合わせからなる新しい特徴集合に基づくcnnを用いて,これまでの作業を改善するものである。

関連論文リスト

Efficient Neural Network based Classification and Outlier Detection for Image Moderation using Compressed Sensing and Group Testing [4.2455052426413085]
本稿では,このようなエンジンの全体的な計算コストを削減するために,この事実を利用する手法を提案する。本稿では,定量的行列プールニューラルネットワーク(QMPNN)について述べる。また, 深部外乱検出をプールし, 深部外乱検出にCSおよび群検定技術を適用した。
論文参考訳（メタデータ） (2023-05-12T17:48:05Z)
Decoupled Mixup for Generalized Visual Recognition [71.13734761715472]
視覚認識のためのCNNモデルを学習するための新しい「デカップリング・ミクスアップ」手法を提案する。本手法は,各画像を識別領域と雑音発生領域に分離し,これらの領域を均一に組み合わせてCNNモデルを訓練する。実験結果から,未知のコンテキストからなるデータに対する本手法の高一般化性能を示す。
論文参考訳（メタデータ） (2022-10-26T15:21:39Z)
A Late Multi-Modal Fusion Model for Detecting Hybrid Spam E-mail [5.182080825408661]
ハイブリッドスパムメールの検出を目的とした研究がいくつか行われている。光文字認識はテキストと画像のハイブリッドスパム処理において非常に成功した技術である。テキストと画像のハイブリッドスパム電子メールフィルタリングシステムのための,新しいマルチモーダル融合訓練フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-26T10:47:12Z)
Explainable Artificial Intelligence to Detect Image Spam Using Convolutional Neural Network [5.182080825408661]
本研究では、畳み込みニューラルネットワーク(CNN)アルゴリズムと説明可能な人工知能(XAI)アルゴリズムを用いて、スパム画像を検出するための説明可能なフレームワークを提案する。実験の結果,提案フレームワークは性能指標の相違から良好な検出結果を得た。
論文参考訳（メタデータ） (2022-09-07T14:02:16Z)
Deep Image Deblurring: A Survey [165.32391279761006]
低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
論文参考訳（メタデータ） (2022-01-26T01:31:30Z)
Image Quality Assessment using Contrastive Learning [50.265638572116984]
我々は、補助的な問題を解決するために、対照的な対の目的を用いて深層畳み込みニューラルネットワーク(CNN)を訓練する。本研究では,最新のNR画像品質モデルと比較して,ContriQUEが競争性能を向上することを示す。以上の結果から,大きなラベル付き主観的画像品質データセットを必要とせずに,知覚的関連性を持つ強力な品質表現が得られることが示唆された。
論文参考訳（メタデータ） (2021-10-25T21:01:00Z)
Universal Adversarial Perturbations and Image Spam Classifiers [4.111899441919165]
画像スパムとは、画像に埋め込まれた電子メールである。現代のディープラーニングベースの分類器は、典型的な画像スパムを検出するのにうまく機能する。我々は,画像スパムに適応した「自然な摂動」を生成できる新しいトランスフォーメーションベースの敵攻撃を提案し,解析する。
論文参考訳（メタデータ） (2021-03-07T14:36:02Z)
Image Restoration by Deep Projected GSURE [115.57142046076164]
Ill-posed inverse problem は、デブロアリングや超解像など、多くの画像処理アプリケーションに現れる。本稿では,一般化されたSteinUnbiased Risk Estimator(GSURE)の「投影変換」とCNNによる潜在画像のパラメータ化を含む損失関数の最小化に基づく,新たな画像復元フレームワークを提案する。
論文参考訳（メタデータ） (2021-02-04T08:52:46Z)
SUREMap: Predicting Uncertainty in CNN-based Image Reconstruction Using Stein's Unbiased Risk Estimate [51.67813146731196]
畳み込みニューラルネットワーク(CNN)は、コンピュータ画像再構成問題を解決する強力なツールとして登場した。 CNNはブラックボックスを理解するのが難しい。この制限は、医療画像のような安全クリティカルな用途での利用にとって大きな障壁となる。
論文参考訳（メタデータ） (2020-10-25T20:29:41Z)
Shape Defense Against Adversarial Attacks [47.64219291655723]
人間は物体を認識するために形状情報に大きく依存している。逆に、畳み込みニューラルネットワーク(CNN)はテクスチャに偏っている。本稿では, 形状バイアスをCNNに組み込んで, 頑健性を向上させる方法について検討する。 2つのアルゴリズムが提案され、エッジが適度な知覚不能な摂動に不変であるという観測に基づいている。
論文参考訳（メタデータ） (2020-08-31T03:23:59Z)
DeepCapture: Image Spam Detection Using Deep Learning and Data Augmentation [16.488574089293326]
本稿では、畳み込みニューラルネットワーク(CNN)モデルを用いて、DeepCaptureと呼ばれる新しい画像スパムメール検出ツールを提案する。 DeepCaptureは88%のF1スコアを達成でき、既存のスパム検出モデルであるCNN-SVMよりも6%改善されている。
論文参考訳（メタデータ） (2020-06-16T02:50:04Z)

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。