• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of synthetic emotions >Image Tampering Detection Using Convolutional Neural Network
【24h】

Image Tampering Detection Using Convolutional Neural Network

机译：卷积神经网络的图像篡改检测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Pictures are considered the most reliable form of media in journalism, research work, investigations, and intelligence reporting. With the rapid growth of ever-advancing technology and free applications on smartphones, sharing and transferring images is widely spread, which requires authentication and reliability. Copy-move forgery is considered a common image tampering type, where a part of the image is superimposed with another image. Such a tampering process occurs without leaving any obvious visual traces. In this study, an image tampering detection method was proposed by exploiting a convolutional neural network (CNN) for extracting the discriminative features from images and detects whether an image has been forged or not. The results established that the optimal number of epochs is 50 epochs using AlexNet-based CNN for classification-based tampering detection, with a 91% accuracy.
机译：图片被认为是新闻，研究工作，调查和情报报告中最可靠的媒体形式。随着不断发展的技术和智能手机上免费应用程序的迅速发展，共享和传输图像已广泛传播，这需要身份验证和可靠性。拷贝移动伪造被认为是常见的图像篡改类型，其中图像的一部分与另一图像重叠。这样的篡改过程不会留下任何明显的视觉痕迹。在这项研究中，提出了一种利用卷积神经网络（CNN）从图像中提取判别特征并检测图像是否被伪造的图像篡改检测方法。结果确定，使用基于AlexNet的CNN进行基于分类的篡改检测，最佳纪元数是50个纪元，准确度达到91％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号