論文の概要: A Novel Hierarchical-Classification-Block Based Convolutional Neural
Network for Source Camera Model Identification
- arxiv url: http://arxiv.org/abs/2212.04161v1
- Date: Thu, 8 Dec 2022 09:28:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 15:15:03.860222
- Title: A Novel Hierarchical-Classification-Block Based Convolutional Neural
Network for Source Camera Model Identification
- Title（参考訳）: 階層型分類ブロック型畳み込みニューラルネットワークによる音源カメラモデル同定
- Authors: Mohammad Zunaed, Shaikh Anowarul Fattah
- Abstract要約: 異なるカメラブランドは、異なる固有の処理ノイズを残し、カメラブランドを特定するために使用できる。
1つの顕著な解決策は、伝統的な単一分類法ではなく階層的な分類システムを利用することである。
本稿では,ソースカメラモデル分類のためのネットワークレベルではなく,分類器ブロックレベルの階層システムを提案する。
- 参考スコア（独自算出の注目度）: 0.5482532589225552
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Digital security has been an active area of research interest due to the
rapid adaptation of internet infrastructure, the increasing popularity of
social media, and digital cameras. Due to inherent differences in working
principles to generate an image, different camera brands left behind different
intrinsic processing noises which can be used to identify the camera brand. In
the last decade, many signal processing and deep learning-based methods have
been proposed to identify and isolate this noise from the scene details in an
image to detect the source camera brand. One prominent solution is to utilize a
hierarchical classification system rather than the traditional
single-classifier approach. Different individual networks are used for
brand-level and model-level source camera identification. This approach allows
for better scaling and requires minimal modifications for adding a new camera
brand/model to the solution. However, using different full-fledged networks for
both brand and model-level classification substantially increases memory
consumption and training complexity. Moreover, extracted low-level features
from the different network's initial layers often coincide, resulting in
redundant weights. To mitigate the training and memory complexity, we propose a
classifier-block-level hierarchical system instead of a network-level one for
source camera model classification. Our proposed approach not only results in
significantly fewer parameters but also retains the capability to add a new
camera model with minimal modification. Thorough experimentation on the
publicly available Dresden dataset shows that our proposed approach can achieve
the same level of state-of-the-art performance but requires fewer parameters
compared to a state-of-the-art network-level hierarchical-based system.
- Abstract（参考訳）: デジタルセキュリティは、インターネットインフラの急速な導入、ソーシャルメディアの普及、デジタルカメラの普及などにより、研究の活発な分野となっている。
画像を生成するための動作原理が本質的に異なるため、異なるカメラブランドは、カメラブランドを特定するために使用できる異なる固有の処理ノイズを残している。
過去10年間、画像中のシーンの詳細からノイズを識別し、分離し、ソースカメラブランドを検出するために、多くの信号処理とディープラーニングに基づく手法が提案されてきた。
一つの顕著な解決策は、従来の単一分類子アプローチではなく、階層的な分類システムを使用することである。
異なる個別ネットワークはブランドレベルおよびモデルレベルのソースカメラ識別に使用される。
このアプローチにより、スケーリングが改善され、ソリューションに新しいカメラブランド/モデルを追加するために最小限の変更が必要になる。
しかし、ブランドレベルとモデルレベルの分類に異なるフルセットネットワークを使用することで、メモリ消費とトレーニングの複雑さが大幅に向上する。
さらに、異なるネットワークの初期層から抽出された低レベルの特徴はしばしば一致し、結果として冗長な重みが生じる。
トレーニングとメモリの複雑さを軽減するため,ソースカメラモデル分類のためのネットワークレベルではなく,分類器レベルの階層システムを提案する。
提案手法は,パラメータを著しく少なくするだけでなく,最小限の変更で新たなカメラモデルを追加する能力も維持する。
公開されているドレスデンデータセットを徹底的に実験した結果,提案手法は最先端性能を実現することができるが,ネットワークレベルの階層型システムと比較してパラメータを少なくできることがわかった。
関連論文リスト
- Inverting the Imaging Process by Learning an Implicit Camera Model [73.81635386829846]
本稿では,ディープニューラルネットワークとしてのカメラの物理画像処理を表現した,新しい暗黙カメラモデルを提案する。
本稿では,この暗黙カメラモデルが2つの逆撮像タスクに与える影響を実演する。
論文 参考訳（メタデータ） (2023-04-25T11:55:03Z) - Camera Alignment and Weighted Contrastive Learning for Domain Adaptation
in Video Person ReID [17.90248359024435]
人物再識別システム(ReID)は、大規模な完全ラベル画像データセットでトレーニングした場合、高い精度を達成することができる。
様々な運用状況(例えば、カメラの視点や照明など)に関連したドメインシフトは、パフォーマンスの大幅な低下に繋がる可能性がある。
本稿では、ビデオベースのReIDのための教師なしドメイン適応(UDA)に焦点を当てる。
論文 参考訳（メタデータ） (2022-11-07T15:32:56Z) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳（メタデータ） (2022-01-03T16:49:33Z) - Weakly-supervised fire segmentation by visualizing intermediate CNN
layers [82.75113406937194]
画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。
我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。
CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-11-16T11:56:28Z) - Decentralized Autofocusing System with Hierarchical Agents [2.7716102039510564]
本稿では,カメラとレンズ焦点設定をインテリジェントに制御する階層型マルチエージェント深部強化学習手法を提案する。
このアルゴリズムはカメラのストリームの潜在表現に依存しており、カメラの全く参照しないチューニングを可能にする最初の方法である。
論文 参考訳（メタデータ） (2021-08-29T13:45:15Z) - Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for
Unsupervised Person Re-Identification [60.36551512902312]
unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。
一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。
本稿では,両問題を解決するための統一フレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-08T09:13:06Z) - Camera Invariant Feature Learning for Generalized Face Anti-spoofing [95.30490139294136]
本稿では,特徴レベルの取得カメラから固有のばらつきの影響を排除したフレームワークについて述べる。
実験により、提案手法はデータセット内設定とデータセット間設定の両方でより良いパフォーマンスを達成できることが示された。
論文 参考訳（メタデータ） (2021-01-25T13:40:43Z) - Camera On-boarding for Person Re-identification using Hypothesis
Transfer Learning [41.115022307850424]
仮説伝達学習を用いた人物再同定のための効率的なモデル適応手法を開発した。
提案手法は,知識を伝達するための複数の音源モデルの最適重み付け組合せを求めることにより,負の伝達効果を最小化する。
論文 参考訳（メタデータ） (2020-07-22T00:43:29Z) - Lightweight Modules for Efficient Deep Learning based Image Restoration [20.701733377216932]
そこで我々は,与えられたベースラインモデルの計算的低コストな変種を生成するために,いくつかの軽量な低レベルモジュールを提案する。
その結果,提案するネットワークは,全容量ベースラインと比較して,視覚的に類似した再構成を一貫して出力することがわかった。
論文 参考訳（メタデータ） (2020-07-11T19:35:00Z) - ReMarNet: Conjoint Relation and Margin Learning for Small-Sample Image
Classification [49.87503122462432]
ReMarNet(Relation-and-Margin Learning Network)と呼ばれるニューラルネットワークを導入する。
本手法は,上記2つの分類機構の双方において優れた性能を発揮する特徴を学習するために,異なるバックボーンの2つのネットワークを組み立てる。
4つの画像データセットを用いた実験により,本手法はラベル付きサンプルの小さな集合から識別的特徴を学習するのに有効であることが示された。
論文 参考訳（メタデータ） (2020-06-27T13:50:20Z)
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。