| Title: | Идентификация камеры по фотографии с использованием нейронных сетей |
| Authors: | Денисова А. Ю. |
| Keywords: | EfficientNetB5 BagNet9 идентификация камеры классификация фотоизображений нейронные сети |
| Issue Date: | 2023 |
| Citation: | Денисова, А. Ю. Идентификация камеры по фотографии с использованием нейронных сетей / А. Ю. Денисова // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Распознавание, обработка и анализ изображений / под ред. В. В. Сергеева. - 2023. - С. 031322. |
| Abstract: | Идентификация устройства съемки - это одна основных задач криминалистических экспертиз, заключающихся в проверке подлинности изображений.Задача идентификации состоит в определении модели камеры по изображению. В настоящее время широкое развитие получили нейросетевые методы решения данной задачи. Настоящая статья посвящена проверке и модификации одного из таких методов, основанного на использовании нейронной сети EfficientNetB5. Данный метод отличается значительной простотой реализации и заявленной высокой эффективностью классификации камер. Однако проведенные нами исследования на основе собственной реализации данного метода в среде TensorFlow 2.0 показали, что заявленная в оригинальной статье точность работы метода была существенно завышена. В связи с этим была предложена своя аналогичная реализация на основе нейронной сети BagNet9, существенно повышающая точность детектирования камер по сравнению с базовым методом. Экспериментальные исследования были произведены с использованием набора данных Forcheim Image |
| URI: | http://repo.ssau.ru/jspui/handle/123456789/13135 |
| Appears in Collections: | Информационные технологии и нанотехнологии |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 978-5-7883-1919-3_2023-031322.pdf | 246.76 kB | Adobe PDF | View/Open |
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.