文献

J-GLOBAL ID：202002210003608204   整理番号：20A1350726

マスクRCNNを用いた画像スプライシング検出【JST・京大機械翻訳】

Image splicing detection using mask-RCNN

著者 (3件)： Ahmed Belal (Department of Electrical and Computer Engineering, University of Victoria, Victoria, Canada) ,  Gulliver T. Aaron (Department of Electrical and Computer Engineering, University of Victoria, Victoria, Canada) ,  alZahir Saif (Department of Computer Science and Engineering, University of Alaska Anchorage, Anchorage, USA)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 14  号： 5  ページ： 1035-1042  発行年： 2020年 
JST資料番号： W4946A  ISSN： 1863-1711  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ディジタル画像は,社会における情報の主要な情報源と通信の手段になった。しかし,それらは容易に利用可能な画像編集ツールを用いて容易に変更できる。本論文では,ResNet-対流と呼ばれる深層学習のための新しいバックボーンアーキテクチャを用いた新しいブラインド画像偽造検出技術を提案した。Reset-convは,ResNet-FPNにおける特徴ピラミッドネットワークを畳み込み層の集合で置き換えることによって得られる。この新バックボーンを用いて,Mask-RCNNを訓練する初期特徴マップを生成し,鍛造画像におけるスプライス領域に対するマスクを生成した。提案したネットワークを,改ざした領域から識別アーチファクトを学習するために特別に設計した。2つの異なるResNetアーキテクチャ,すなわちResNet-50とResNet-101を考察した。ImageNet,He_normal,およびXavier_normal初期化技術を採用し,収束に基づいて比較した。このアーキテクチャのためのロバストモデルを訓練するために,いくつかの後処理技術を入力画像に適用した。提案したネットワークを,コンピュータ生成画像スプライシングデータセットを用いて訓練し,評価し,他の手法よりも効率的であることを見出した。Copyright Springer-Verlag London Ltd., part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 対流 ,  情報源 ,  ネットワーク ,  鍛造 ,  計算機発生 ,  後処理 ,  検出法 ,  ディジタル画像 ,  *計算機アーキテクチャ ,  ロバスト性 ,  アーチファクト
準シソーラス用語： 改竄 ,  特徴マップ ,  画像編集 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像情報 ,  画像スプライシング ,  マスクRCNN ,  イメージネット

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： マスク ,  スプライシング