Derin Sinir Ağları Yardımıyla Fotomontaj Tespiti

Abstract

Son yıllarda hızla gelişen teknoloji ile birlikte verilerin sağlıklı bir şekildeelde edilmesi, elde edilen verilerin korunması ve elde edilen verilerin özgünolması büyük önem taşımaktadır. Özgünlüğün tespiti özellikle görüntülerüzerinde büyük önem teşkil etmektedir. Görüntülerde bozulma ya dadeğişiklik olup olmadığını tespit etmek ise tıptan, belgede sahteciliğe kadargeniş bir çalışma alanını etkilemektedir. Fotomontaj tespiti için derinöğrenme algoritmaları ile mevcut görüntü işleme metotlarının aynı andakullanılması verimliliği arttırmaktadır. Yapılan çalışmalar, derin sinir ağları,yüksek boyutlu girdilerden karmaşık istatistiksel özellikleri eldeedebildikleri ve hiyerarşik temsillerini etkili bir biçimde öğrenebildiklerinigöstermişlerdir. Bu çalışmada görüntü üzerinde değişiklik yapılmış kısım ileyapılmamış kısım arasındaki farkı daha rahat ayırabilmek için geliştirilmişmaske bölgesel evrişimsel sinir ağı (Mask R-CNN) ile bu sinir ağına bağlanansobel filtresi kullanılmaktadır. Sobel filtresi, sinir ağı ile tahmin edilenmaskelerin zemin üzerindeki maskeye benzer görüntü gradyanlarına sahipolmasını teşvik etmek için yardımcı bir görev görür. Ağ ile kopyala taşıma vebirleştirme işlemleri algılanabilmektedir. Sinir ağı uygulanırken COCO veriseti kullanılmıştır. Yapılan çalışma ile daha yüksek başarı oranları eldeedilmiştir.

With the rapidly developing technology in recent years, obtaining the data properly, protection of the obtained data and it is very important that the obtained data are original. Identification of originality is of great importance, especially on images. Detecting whether there is distortion or change in images affects a wide range of work field from medicine to document forgery. The simultaneous use of deep learning algorithms and existing image processing methods for photomontage detection increases efficiency. Studies have shown that deep neural networks can obtain complex statistical properties from high dimensional inputs and can learn their hierarchical representation effectively. In this study, in order to discriminate the difference between the part that has been changed and the part that has not been changed, we used the improved mask regional convolutional neural network (Mask R-CNN) and the sobel filter connected to this neural network. The Sobel filter acts as an assistant to promote masks to have similar mask image gradients on the ground estimated by the neural network. Copy-move and splicing operations can be detected with the network. The COCO data set was used when applying the neural network. Higher success rates were obtained with the study.