隨著像Facebook和Instagram這樣的社交網(wǎng)絡服務的出現(xiàn)，在過去十年中產(chǎn)生的圖像數(shù)據(jù)量有一個巨大增加。使用圖像(和視頻)等處理軟件GNU Gimp,Adobe Photoshop創(chuàng)建修改過的圖像和視頻是Facebook等互聯(lián)網(wǎng)公司的主要關(guān)注點。

這些圖片是假新聞的主要來源，經(jīng)常被用于惡意的方式，如煽動暴徒。在對可疑圖像采取行動之前，我們必須核實其真實性。IEEE信息取證和安全技術(shù)委員會(IFS-TC)發(fā)起了一項檢測和定位取證挑戰(zhàn)第一次圖像取證挑戰(zhàn)2013年解決了這個問題。他們提供了一個開放的數(shù)字圖像數(shù)據(jù)集，其中包括在不同光照條件下拍攝的圖像，以及使用如下算法生成的偽造圖像:

• 內(nèi)容感知的填充和補丁匹配(用于復制/粘貼)

• 內(nèi)容感知修復(用于復制/粘貼和拼接)

• 克隆圖章(復制/粘貼)

• 縫刻(圖像重定向)

• 修復(受損部分的圖像重建-復制/粘貼的特殊情況)

• Alpha Matting(用于拼接)

挑戰(zhàn)的兩個階段

第一階段要求參與的團隊將圖像分類為偽造的或原始的(從不操縱)。

第二階段則要求他們檢測/定位偽造圖像中的偽造區(qū)域。

為什么使用CNN ?

在人工智能的前深度學習時代，圖像處理研究人員用于設(shè)計手工特征，解決一般的圖像處理問題，特別是圖像分類問題。一個這樣的例子是Sobel內(nèi)核用于邊緣檢測。之前使用的圖像取證工具可以分為5類，即

基于像素的技術(shù)，檢測像素級引入的統(tǒng)計異常。

利用特定有損壓縮方案引入的統(tǒng)計相關(guān)性的基于格式的技術(shù)。

利用相機鏡頭、傳感器或芯片后處理引入的偽影的基于相機的技術(shù)。

總結(jié)

以上是生活随笔為你收集整理的人工智能AI实战100讲（六）-利用CNN来检测伪造图像的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。