Desarrollo e implementación de un método para la clasificación de imágenes alteradas, usando redes neuronales convolucionales y detección de ruido y bordes.
Cargando...
Fecha
Fecha
2021-02-04
Autores
Director
Colaboradores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Descripción
Hoy es necesaria la veracidad en la información en el momento de pública o compartida con otros. Algunas formas de cambiar el significado de una imagen es con el uso de cualquier herramienta para cambiar algunos píxeles de la imagen, una forma de saber si una imagen tiene alguna falsificación es con el uso de inteligencia computacional y análisis de áreas falsas. El modelo propuesto consiste en un preprocesamiento de la imagen para que esta tenga el mismo tamaño de esta manera implementar la estimación de ruido gaussiano y la detección de bordes. Finalmente, la nitidez y el ruido gaussiano se aplican a la red neuronal convolucional para predecir si la imagen tiene alguna falsificación. Los resultados de la red neuronal convolucional tienen una predicción de 89,54. Con la detección de nitidez y ruido es el 90,54 de todas las imágenes.
Resumen
Today it is necessary the truth in the information at the moment of public or shares with others. Some ways to change the meaning of an image is with the use of any tool to change some pixels of the image, one way to know if an image has any forgery is with the use of computational intelligence and fake analysis areas. The proposed model consists in a preprocessing of the image to have the same size to implement gaussian noise estimation and sharpness detection. Finally, the sharpness and Gaussian noise is applied to the convolutional neural network to predict if the image has any forgery. The results of the convolutional neural network have a prediction of 89.54. With the detection of sharpness and noise is 90.54 of all of the images.
Palabras clave
Ruido, Bordes, Redes neuronales convolucionales, Imágenes falsificadas