Yazar "Korkmaz, Ahmet" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Derin öğrenme yöntemleri ile görüntü sahteciliği tespiti
    (Bursa Teknik Üniversitesi, 2022) Korkmaz, Ahmet; Hanilçi, Cemal
    Sayısal görüntü işlemede kullanılan yazılım araçlarının ilerlemesinin neticesinde görüntüler üzerinde çeşitli manipülasyonlar yapılarak sahte görüntüler oluşturmak çok basit bir hale gelmiştir. Bu manipüle edilmiş görüntülerin hukuk, tıp ve haberleşme gibi önemli alanlarda kötü niyetli kişiler tarafından kolayca kullanılabileceği düşünüldüğünde görüntü sahteciliği tespiti konusunda yapılan çalışmalara büyük ihtiyaç duyulmaktadır. Görüntü sahteciliği tespiti alanında farklı teknikler ile pek çok yöntem geliştirilmiştir. Günümüzde, görüntü sahteciliği tespiti için geleneksel yöntemlerin yerine derin öğrenme yöntemleri yaygın bir şekilde tercih edilmektedir. Bu yöntemler, görüntüden karmaşık öznitelikleri elde etmeleri nedeniyle geleneksel görüntü sahteciliği tespiti yöntemlerinden daha iyi başarım sağlamaktadır. Sinir ağı teknolojilerinin gelişmesiyle birlikte, son zamanlarda üst düzey görüntü özniteliklerinin çıkarılması için görüntü sahteciliği tespitinde evrişimsel sinir ağları kullanılmaktadır. Bu çalışmada, görüntü sahteciliği tespitinde kullanılan tek tip derin öğrenme yöntemlerinden farklı olarak benzer üç derin sinir ağı yapısının paralel şekilde birleştirilmesiyle oluşturulan bir görüntü sahteciliği tespit sistemi önerilmiştir. Önerilen yöntem üç farklı veri seti üzerinde test edilmiş ve elde edilen sonuçlar önerilen ağ yapısının etkinliğini ve yüksek sınıflandırma doğruluğunu açıkça göstermiştir.
  • Küçük Resim Yok
    Öğe
    Image Forgery Detection Based On Parallel Convolutional Neural Networks
    (Ieee, 2022) Korkmaz, Ahmet; Hanilci, Cemal
    As a result of the advancement of software tools used in digital image processing, it has become very easy to generate fake images by applying various manipulations techniques on the original (authentic) images. These manipulated images can easily be used with malicious intentions in important fields such as law, medicine and communication. Hence, image forgery detection, determining whether an image is original or forged, is an important task. In this study, an image forgery detection system is proposed by combining three deep neural network structures in parallel, unlike the uniform deep learning methods used in image forgery detection. The proposed method has been evaluated on three different datasets, and the results clearly demonstrate the efficiency of the proposed method with promising classification accuracy.