抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,画像法医学はますます注目され,画像処理操作を同定するために多くの法医学法が提案されてきた。現在まで,ほとんどの既存の方法は手工芸の特徴に基づいており,ただ一つの特定の操作がそれらの方法で考慮されている。しかし,多くの法医学シナリオにおいて,様々な画像処理操作のための多重分類はより実用的である。そのうえ,いくつかの画像処理操作のために手によって有効な特徴を得ることは難しい。そこで本論文では,典型的な画像処理操作を識別するための識別特徴を適応的に学習するための新しい畳み込みニューラルネットワーク(CNN)ベースの方法を提案した。入力画像の画像残差,結果として得られる残差を混合するためのチャネル拡張層,プール層,および著者らの方法で用いられる活性化関数を得るために,高パスフィルタバンクを注意深く設計した。広範囲な結果は,提案した方法が,画像ステガナリシスおよび/または法医学のためのCNNに基づく,手工芸特徴および3つの関連方法に基づく現在の最良方法より優れていて,最先端の結果を達成したことを示した。さらに,提案モデルの合理性とロバスト性を示すために,より補足的な結果を提供した。【JST・京大機械翻訳】