Розпізнавання підроблених зображень методами машинного навчання
Ескіз недоступний
Дата
2021-12
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Робота виконана на 93 сторінках, містить 40 ілюстрацій, 22 таблиці. При підготовці використовувалась література з 25 джерел.
Актуальність теми
Соціальні медіа змінили спосіб взаємодії людей та продовження повсякденного життя. Поширена практика обміну зображеннями в Інтернеті за допомогою таких соціальних мереж, як Instagram. Люди щодня завантажують і діляться мільярдами фотографій у соціальних мережах. Instagram дозволяє користувачам робити фотографії, застосовувати цифрові фотографічні фільтри та завантажувати фотографії на веб-сайт для соціальних мереж разом з короткими підписами.
Величезна кількість людей стали жертвами підробки фотографій у цей технологічний вік. Деякі злочинці використовують програмне забезпечення для використання зображень як доказів, щоб заплутати суди. Щоб покінчити з цим, усі фотографії, мають бути позначені як правдиві чи підроблені. Соціальні медіа - це чудова платформа для обміну знаннями та їх поширення, але якщо немає обережності, люди можуть бути введені в оману і навіть спонукані до дій даними, що не відповідають дійсності.
Дуже мало робіт було завершено навколо виявлення аудіо, зображень та відео підробок. Тим не менш, кілька досліджень тривають, щоб визначити, що можна зробити з неймовірним розповсюдженням підроблених фотографій. Згідно з дослідженнями, ідентифікувати фейкові новини та зображення дуже важко, оскільки пошук фактів новин на чистій основі залишається відкритою проблемою, і для вирішення проблеми можна використовувати лише декілька існуючих моделей. У словах та зображеннях, які використовуються у фейкових новинах, є деякі приховані характеристики, які можна ідентифікувати за допомогою набору прихованих властивостей.
Мета та задачі дослідження
Метою даної роботи є створення можливостей Розпізнавання підроблених зображень методами машинного навчання
Рішення поставлених завдань та досягнуті результати
В ході виконання роботи були досліджені такі поняття як машинне навчання, його види та методи. Було спроектовано та реалізовано застосунок для перевірки зображень на наявність в них підробок різними методами. У застосунку було навчено три моделі, які можна використовувати для, власне, перевірки даних.
Реалізацію було перевірено на відповідність вимогам, зроблено висновки щодо обраних підходів, переваг подальшого розвитку. Виявлені шляхи покращення застосунку у майбутньому та способи його використання.
Об’єкт досліджень
Механізм розпізнавання підроблених зображень методами машинного навчання
Предмет досліджень
Процес розпізнавання підроблених зображень методами машинного навчання
Наукова новизна
Машинне навчання (Machine Learning) - це відносно молодий напрямок розвитку технологій у тому вигляді, в якому є зараз. Наукова новизна роботи полягає у дослідженні можливостей використання засобів машинного навчання для пошуку підроблених зображень, а також у збільшенні точності результатів, що отримуються на прикладі використання декількох обраних методів та моделей
Практичне значення одержаних результатів
Отримані результати можуть використовуватись для подальшого розвитку застосунку, з метою спрощення користування даними можливостями користувачами. Спектр де людям знадобиться даний застосунок дуже широкий, починаючи з журналістики, правоохороних органів, закінчуючи багатьма варіантами в приватних цілях.
Опис
Ключові слова
машинне навчання, боротьба з підробленими зображеннями, Python, GUI library PyQt5, tensorflow Keras API, Numpy, machine learning, anti-counterfeiting
Бібліографічний опис
Корнієнко, О. С. Розпізнавання підроблених зображень методами машинного навчання : магістерська дис. : 122 Комп’ютерні науки / Корнієнко Олександр Сергійович. – Київ, 2021. – 93 с.