文献

J-GLOBAL ID：202402291425379883   整理番号：24A2800064

マルチ特徴融合に基づく画像改竄検出法【JST機械翻訳】

Image Tampering Detection Method Based on Multi-Feature Fusion

著者 (4件)： Li Ruiyang (School of Computer Science, China University of Geosciences,Wuhan,China) ,  Zhu Jing (School of Computer Science, China University of Geosciences,Wuhan,China) ,  Luo Xiaohu (School of Computer Science, China University of Geosciences,Wuhan,China) ,  Ma Zhao (School of Computer Science, China University of Geosciences,Wuhan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2024  号： QRS-C  ページ： 345-356  発行年： 2024年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 現在,深層学習技術の連続的進歩により,多数のニューラルネットワークベース画像改ざん検出モデルが出現し,有望な検出結果を達成した。手作りの特徴に基づく従来のアルゴリズムは,徐々に置き換えられている。しかしながら,これらのモデルは,フィルタや制約付き畳込みのような特徴抽出技法への依存のために,異なるタイプの改竄画像に対して不安定な検出精度を示すことが多い。さらに,これらのモデルは一般に一般化能力に欠けており,これまで見当たらないタイプの改ざんを検出できない。近年,画像処理の分野で注目メカニズムのような新興技術が広く応用され,研究されている。注意機構は,モデルが画像の重要部分,特に改ざん領域に焦点を合わせることを可能にし,画像改ざん検出タスクの精度を大幅に改善する。前述の問題に対処して,モデル検出精度を強化するために,本論文は,注意機構に基づくマルチ特徴融合ネットワークを提案した。適応特徴抽出モジュールを設計し,画像RGB,雑音,エッジ情報を統合し,空間次元とチャネル次元の両方で注意機構を適用した。この注意誘導強化ニューラルネットワークは,改竄特徴の自発的学習を可能にし,種々のタイプの改竄の検出を容易にした。さらに,低レベルの画素ブランチを,ネットワークが低レベルのテクスチャ情報のトレースを改ざんするのを気付かせるように組み込んで,さらに検出精度を改善した。実験結果は,既存の検出モデルと比較して,提案したモデルが優れた検出精度を達成するだけでなく,より大きなロバスト性も示すことを実証した。Copyright 2024 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  畳込み ,  学習 ,  ネットワーク ,  ニューラルネットワーク ,  特徴抽出 ,  画像処理 ,  画素 ,  *検出法 ,  ロバスト性 ,  *改竄 ,  *特徴融合 ,  深層学習
準シソーラス用語： テクスチャ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マルチ ,  特徴融合 ,  改竄 ,  検出法