Derin öğrenme yöntemleri ile görüntü sahteciliği tespiti
Yükleniyor...
Dosyalar
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
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.
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 manipulation 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. Many methods have been developed with different techniques in the field of image forgery detection. Today, deep learning methods are widely preferred over traditional methods for image forgery detection. These methods provide better performance than traditional image forgery detection methods because they extract complex features from the image. With the development of neural network technologies, convolutional neural networks are used in image forgery detection for the extraction of high-level image features recently. 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.
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 manipulation 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. Many methods have been developed with different techniques in the field of image forgery detection. Today, deep learning methods are widely preferred over traditional methods for image forgery detection. These methods provide better performance than traditional image forgery detection methods because they extract complex features from the image. With the development of neural network technologies, convolutional neural networks are used in image forgery detection for the extraction of high-level image features recently. 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.
Açıklama
Anahtar Kelimeler
Görüntü Adli Bilişim, Görüntü Sahteciliği Tespiti, Derin Öğrenme, Evrişimsel Sinir Ağı, Image Forensics, Image Forgery Detection, Deep Learning, Convolutional Neural Network
