Andere Kunden interessierten sich auch für
![A Comparative Analysis of LBP Variants for Image Tamper Detection]( "A Comparative Analysis of LBP Variants for Image Tamper Detection")
A Comparative Analysis of LBP Variants for Image Tamper Detection29,99 €![Analyse comparative des variantes LBP pour la détection de la falsification d'images]( "Analyse comparative des variantes LBP pour la détection de la falsification d'images")
Analyse comparative des variantes LBP pour la détection de la falsification d'images29,99 €![Uma análise comparativa das variantes LBP para a deteção de adulteração de imagens]( "Uma análise comparativa das variantes LBP para a deteção de adulteração de imagens")
Uma análise comparativa das variantes LBP para a deteção de adulteração de imagens29,99 €![Analisi comparativa delle varianti LBP per il rilevamento di manomissioni di immagini]( "Analisi comparativa delle varianti LBP per il rilevamento di manomissioni di immagini")
Analisi comparativa delle varianti LBP per il rilevamento di manomissioni di immagini29,99 €![Srawnitel'nyj analiz wariantow LBP dlq obnaruzheniq nesankcionirowannogo dostupa k izobrazheniqm]( "Srawnitel'nyj analiz wariantow LBP dlq obnaruzheniq nesankcionirowannogo dostupa k izobrazheniqm")
Srawnitel'nyj analiz wariantow LBP dlq obnaruzheniq nesankcionirowannogo dostupa k izobrazheniqm29,99 €![Studie über fortgeschrittene ML- und DL-Modelle zur Erkennung von Kreditkartenbetrug]( "Studie über fortgeschrittene ML- und DL-Modelle zur Erkennung von Kreditkartenbetrug")
Studie über fortgeschrittene ML- und DL-Modelle zur Erkennung von Kreditkartenbetrug79,90 €![DeepCOPD: COPD-Erkennung mittels Deep Learning]( "DeepCOPD: COPD-Erkennung mittels Deep Learning")
DeepCOPD: COPD-Erkennung mittels Deep Learning43,90 €
In dieser Arbeit wird der Einsatz von Local Binary Patterns (LBP) und Convolutional Neural Networks (CNN) zur Erkennung von Bildmanipulationen untersucht, einem zunehmend verbreiteten Problem in der heutigen digitalen Landschaft. Durch eine vergleichende Analyse von vier LBP-Varianten unter Verwendung des CASIA-2.0-Datensatzes werden die Texturdeskriptoren von LBP mit CNN kombiniert, um die Genauigkeit und Robustheit zu verbessern. Die Methode umfasst die Erzeugung lokaler Texturdeskriptoren mit LBP und deren Einspeisung in eine CNN-Architektur, die darauf trainiert ist, Bilder als manipuliert oder authentisch zu klassifizieren. Trotz der Herausforderungen, wie z. B. der Rechenkomplexität, zielt die Forschung darauf ab, einen Beitrag zu einem zuverlässigen Manipulationserkennungssystem zu leisten, das in verschiedenen realen Szenarien eingesetzt werden kann. Besonders hervorzuheben ist, dass Uniform LBP sowohl in der Trainings- als auch in der Testzeit eine überragende Leistung zeigt und bei der Erkennung von Bildmanipulationen eine Genauigkeit und einen F1-Score von über 97 % erreicht, was die Wirksamkeit des Ansatzes bestätigt.