文献

J-GLOBAL ID：201902250843438223   整理番号：19A2175522

CNNベースの多重残差学習によるロバストなメディアンフィルタリング法【JST・京大機械翻訳】

Robust Median Filtering Forensics by CNN-Based Multiple Residuals Learning

著者 (5件)： Yu Luo (School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China) ,  Zhang Yujin (School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China) ,  Han Hua (School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China) ,  Zhang Lijun (School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China) ,  Wu Fei (School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 120594-120602  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 中央値フィルタリング(MF),非線形平滑化操作は,画像エッジを保護するための画像雑音除去の手段としてしばしば利用され,画像改ざんの痕跡を隠す。既存のMFフォレンジック法は,後処理なしで優れた性能を達成したが,小さな画像サイズとJPEG圧縮シナリオにおいてMFを検出する課題がまだある。この問題を満たすために,畳込みニューラルネットワーク(CNN)ベースの多重残差学習を用いたロバストなMF法法を提案した。まず第一に,MFによって残されたトレースを明らかにするために,著者らは前処理層の重みを初期化するために複数のハイパスフィルタを使用して,様々な側面におけるMFアーチファクトを特徴付けるために識別残差を得る。次に,前処理層の出力をCNNの入力として採用し,それを,更なる分類のための豊富な階層的特徴を抽出するために,詳細に設計した。さらに,全ネットワークの収束を加速するための正則化法として,バッチ正規化(BN)を導入した。複合データベースに関する広範な実験結果は,JPEG圧縮と小サイズ画像の両方においてMFを検出するとき,提案方法が最先端の方法より優れていることを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 画像 ,  *ロバスト性 ,  JPEG ,  *残差 ,  *学習 ,  高域フィルタ ,  *多重化 ,  ネットワーク ,  正則化 ,  アーチファクト ,  ロット ,  正規化 ,  平滑化 ,  *メディアンフィルタ
準シソーラス用語： 改竄 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： CNN ,  多重 ,  残差 ,  学習 ,  ロバスト ,  メディアンフィルタ