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。
畳み込みニューラルネットワーク(CNN)に基づく深層検出方法は,高精度を実証した。{However,これらの方法は,未知の偽造法に直面するとき,しばしば性能低下に悩まされ,また,訓練と試験領域の間の偏差をもたらし,過剰適合として知られる,この現象は,大きな課題を提起する。この問題に取り組むために,新しいブロックシャフリング正則化法を提案した。第1に,この手法は,画像をブロックに分割し,ブロック内およびブロック間シャフリング技術の両方を適用することを含む。この工程は,異なる次元にわたって重量シェアリングを間接的に達成する。第2に,シャフリングノイズによって誘発される過剰適合問題を緩和するための敵対損失アルゴリズムを導入した。最後に,ブロックの空間レイアウトを復元し,それらの間の意味的関連性を捉えた。広範な実験は,提案手法の有効性を検証し,それは偽造顔検出における既存のアプローチを凌駕する。特に,この方法は優れた一般化能力を示し,クロスデータセット評価と共通画像変換に対するロバスト性を実証した。特に,この方法は種々のCNNモデルと容易に統合できる。ソースコードは,href{https://github.com/NoWindButRain/BlockShuffleLearning}Github}で利用可能である。【JST・京大機械翻訳】