Розпізнавання підроблених зображень методами машинного навчання
| dc.contributor.advisor | Булах, Богдан Вікторович | |
| dc.contributor.author | Корнієнко, Олександр Сергійович | |
| dc.date.accessioned | 2023-04-18T07:07:01Z | |
| dc.date.available | 2023-04-18T07:07:01Z | |
| dc.date.issued | 2021-12 | |
| dc.description.abstract | 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. | uk |
| dc.description.abstractother | Work carried out on 93 pages containing 40 figures, 22 tables. The paper was written with references to 25 different sources. Topicality. Social media has changed the way people interact and continue their daily lives. It is common practice to share images on the Internet through social networks such as Instagram. People upload and share billions of photos on social networks every day. Instagram allows users to take photos, apply digital photo filters, and upload photos to a social networking website with short captions. A huge number of people have fallen victim to photo forgery in this technological age. Some criminals use software to use images as evidence to confuse courts. To end this, all photos must be marked as true or fake. Social media is a great platform for sharing and disseminating knowledge, but if you are not careful, people can be misled and even motivated to act with inaccurate data. Very little work has been completed on detecting audio, images and video forgeries. However, several studies are underway to determine what can be done with the incredible proliferation of fake photos. According to research, it is very difficult to identify fake news and images, because finding the facts of the news on a pure basis remains an open problem, and only a few existing models can be used to solve the problem. The words and images used in fake news have some hidden characteristics that can be identified by a set of hidden properties. Purpose. The purpose of this work is to create opportunities for the recognition of forged images by machine learning methods. Solution. In the course of the work such concepts as machine learning, types and methods were studied. An application was designed and implemented to check images for counterfeits using various methods. The application taught three models that can be used to validate data. Implementation was checked for compliance with the requirements, conclusions were made on the chosen approaches, the benefits of further development. Ways to improve the application in the future and ways to use it are identified. The object of research. The mechanism of recognition of forged images by machine learning methods. The subject of research. The process of recognizing fake images by machine learning methods. Scientific novelty. Machine Learning is a relatively young field of technology development as it is today. The scientific novelty of the work is to study the possibilities of using machine learning tools to search for fake images, as well as to increase the accuracy of the results obtained by using several selected methods and models. The practical value of research. The obtained results can be used for further development of the application, in order to simplify the use of these features for users. The range where people will need this application is very wide, from journalism, law enforcement, to many options for private purposes. | uk |
| dc.format.extent | 93 с. | uk |
| dc.identifier.citation | Корнієнко, О. С. Розпізнавання підроблених зображень методами машинного навчання : магістерська дис. : 122 Комп’ютерні науки / Корнієнко Олександр Сергійович. – Київ, 2021. – 93 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/54647 | |
| dc.language.iso | uk | uk |
| dc.publisher | КПІ ім. Ігоря Сікорського | uk |
| dc.publisher.place | Київ | uk |
| dc.subject | машинне навчання | uk |
| dc.subject | боротьба з підробленими зображеннями | uk |
| dc.subject | Python | uk |
| dc.subject | GUI library PyQt5 | uk |
| dc.subject | tensorflow Keras API | uk |
| dc.subject | Numpy | uk |
| dc.subject | machine learning | uk |
| dc.subject | anti-counterfeiting | uk |
| dc.subject.udc | 004.42 | uk |
| dc.title | Розпізнавання підроблених зображень методами машинного навчання | uk |
| dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Ескіз недоступний
- Назва:
- Korniienko_magistr.docx
- Розмір:
- 12.26 MB
- Формат:
- Microsoft Word XML
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.1 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: