增强DenseNet网络,以改善法医图像分析和改图像检测
Dipesh R Agrawal1, Manoj Kumar2, Abilash Radhakrishnan3
1SNJB's Late Sau Kantabai Bhavarlalji Jain College of Engineering, Chandwad, Maharashtra, India.
Journal of forensic sciences
|December 21, 2025
概括
这项研究增强了DenseNet,用于改进改图像的检测,将准确度提高到95%,并显著减少处理时间. 先进的法医图像分析 (FIA) 模型对于现实世界的应用更为强大.
科学领域:
- 计算机科学 计算机科学
- 数字法医学数字法医学
- 人工智能的人工智能
背景情况:
- 复杂的图像处理技术对传统的法医图像分析 (FIA) 构成挑战.
- 准确有效地检测改图像对执法部门和媒体至关重要.
- 现有的方法在微妙的图像改检测方面扎.
研究的目的:
- 增强DenseNet架构,以改善改图像的检测.
- 为了提高准确性,减少处理时间,提高改图像检测的稳定性.
- 为了解决检测微妙图像改的局限性.
主要方法:
- 利用Gabor双边过 (G-BF) 进行增强的特征提取.
- 使用MS-DenseNet进行多尺度特征提取 (MSFE) 和注意力机制 (AM).
- 集成的GAN-DenseNet用于现实的功能生成.
主要成果:
- 从85%到95%实现了对改图像检测准确性的显著改进.
- 处理时间从5-7秒缩短到1秒以下.
- 在现实世界中的法医分析应用中证明了模型的稳定性.
结论:
- 增强的DenseNet模型在改图像检测方面提供了卓越的性能.
- 该方法为法医图像分析提供了更强大,更有效的解决方案.
- 未来的工作重点是整合先进的注意力机制,并优化更高的准确性.
