一种强大的自我监督的图像散列方法用于内容识别,并通过法医检测内容保存操纵
Jesús Fonseca-Bustos1, Kelsey Alejandra Ramírez-Gutiérrez2, Claudia Feregrino-Uribe1
1Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), Luis Enrique Erro No. 1, Sta. Ma. Tonantzintla, 72840, Puebla, Mexico.
概括
这项研究引入了一种新的深度哈希方法,用于强大的图像内容识别和法医分析. 该方法利用对比的自我监督学习和独特的损失函数来提高准确性和操纵检测.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 数字法医学数字法医学
背景情况:
- 传统的图像散列依赖于手工制作的管道,限制了适应新环境的适应性.
- 深度哈希显示出对图像检索的承诺,但其在强大的内容识别中的应用尚未得到充分探索.
- 图像散列对于身份验证至关重要,但其用于用于法医学的内容保护操纵检测仍然是一个开放的研究领域.
研究的目的:
- 为强大的图像内容识别提出深度哈希方法.
- 开发一种新的方法,用于在图像法医中保存内容的操纵检测.
- 通过利用度量学习和对比的自我监督学习来增强图像散列.
主要方法:
- 一种深度散列方法,利用具有模块化损失函数的对比自主监督学习.
- 在操纵检测的损失函数中集成一个灵敏度组件.
- 在各种数据集和配置中进行广泛的实验,以验证概括.
主要成果:
- 拟议的深度哈希方法在图像内容识别方面表现出强大的性能.
- 这种新的方法有效地检测到内容保存的操作,推进图像取证.
- 跨多个数据集的验证证实了该方法的概括能力.
结论:
- 开发的深度哈希技术为强大的图像识别和法医分析提供了强大的解决方案.
- 这项工作为将深度学习应用于图像散列和操纵检测开辟了新的途径.
- 拟议的方法显示了在内容安全和数字取证领域的真实应用的巨大潜力.
更多相关视频
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
9.0K
06:25Author Spotlight: Assessment of Visual Acuity in Central Vision Loss Through Motion-Based Peripheral Vision Testing
Published on: February 23, 2024
586
