Estudo comparativo entre arquiteturas de Deep Learning para detecção de falsificação em imagens

Data
2019-05-17
Título da Revista
ISSN da Revista
Título de Volume
Editor
IFSP

Resumo

Com o grande crescimento no compartilhamento de imagens online, a quantidade de imagens de cunho duvidoso que circulam pelas redes é incalculável. Tendo isso em mente, é necessário algum meio que possa garantir a veracidade de uma foto. Existe uma série de métodos na literatura que são capazes de estimar a chance de uma imagem ser fruto de uma falsificação ou não. Movido por esta ideia central, este trabalho avalia o impacto em um método proposto para detecção das falsificações em imagens de cada rede neural convolucional que já foi o estado da arte. Esta análise foi feita por meio de testes em diferentes bases de dados públicas com variações dos seus espaços de cores, visando um possível melhor desempenho. Espera-se que ao final do trabalho seja possível analisar individualmente cada rede juntamente com um caso de uso adequado


Descrição
Palavras-chave
Citação