V dannoj dissertacii rassmatriwaetsq ispol'zowanie lokal'nyh binarnyh patternow (LBP) i konwolücionnyh nejronnyh setej (CNN) dlq obnaruzheniq fal'sifikacii izobrazhenij, kotoraq stanowitsq wse bolee rasprostranennoj problemoj w sowremennom cifrowom mire. Putem srawnitel'nogo analiza chetyreh wariantow LBP s ispol'zowaniem nabora dannyh CASIA-2.0, on ob#edinqet texturnye deskriptory LBP s CNN dlq powysheniq tochnosti i nadezhnosti. Metodika wklüchaet w sebq sozdanie lokal'nyh texturnyh deskriptorow s pomosch'ü LBP i ih podachu w arhitekturu CNN, obuchennuü klassificirowat' izobrazheniq kak poddel'nye ili podlinnye. Nesmotrq na takie problemy, kak slozhnost' wychislenij, issledowanie naceleno na sozdanie nadezhnoj sistemy obnaruzheniq nesankcionirowannogo dostupa, primenimoj w razlichnyh real'nyh scenariqh. Primechatel'no, chto Uniform LBP demonstriruet prewoshodnuü proizwoditel'nost' kak wo wremq obucheniq, tak i wo wremq testirowaniq, dostigaq tochnosti i F1-score bolee 97 % pri obnaruzhenii fal'sifikacii izobrazhenij, chto podtwerzhdaet äffektiwnost' podhoda.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.