منصة الرسائل والاطاريح: نموذج التجميع للكشف عن تزوير الصور بالاعتماد على شبكات Xception

الخلاصة

يمكن تعريف تزييف الصور على أنه تلاعب أو تزوير أو تقليد لصورة ، و يعتبر تزوير الصور الرقمية في الوقت الحاضر من أكثر المشاكل التي تحتاج إلى حل ، خصوصا بعد استخدام الصور الرقمية في معظم المنصات الرقمية . وفي نفس الوقت ، فقد تطورت برامج معالجة الصور ، ومن ناحية أخرى ، فان التقنيات الجديدة للذكاء الاصطناعي والشبكات العصبية العميقة باستخدام شبكات الخصومة التوليدية (GANs) التي تنتج صور باستخدام الكمبيوتر، حيث يمكن للشبكات الحديثة من شبكة GAN أن تولد صور أو مقاطع فيديو مزيفة وغير حقيقية ولا يمكن اكتشافها بالعين المجردة . وللتغلب على هذه المشكلة فإن انظمة الكشف عن الصور المزيفة اصبحت مهمة. ولكنها تعاني من قلة الأداء العالي بسبب الدقة العالية والاتساق العالي في الصور المولدة من شبكاتGAN ، ولذلك فان الهدف من هذه المنهجية المقترحة هو الكشف عن الصور المزيفة، بمعنى آخر كيفية جعل الحاسوب يكتشف الصور المزيفة بشكل أفضل من الانسان. تتكون المنهجية المقترحة من خمس مراحل رئيسية على النحو التالي: المعالجة المسبقة، وتهيئة البيانات، واستخراج خصائص الصورة، واتخاذ القرار، والمعالجة اللاحقة بتحديد التزييف. تتضمن المرحلة الأولى من المعالجة المسبقة قبل تدريب البيانات تغيير حجم الصور، وتحويل نظام ألوان الصورة من RGB إلى نظام ألوانYCbCr ، وأنشاء مجموعة بيانات أخرى لأجزاء الصور. تقوم المرحلة الثانية بتهيئة البيانات التي تتضمن تقسيم مجموعة البيانات الصور ومجموعة بيانات اجزاء الصور إلى تدريب والتحقق من الصحة والاختبار. المرحلة الثالثة هي استخراج الخصائص، بناءً على شبكتي CNN عميقتين تعتمدان بشكل اساسي على التلافيف القابلة للفصل، لتمثيل الصورة كمتجه للميزات من خلال تعلم الشبكات على ميزات الصور لكل من الصور الحقيقية والمزيفة في مرحلة التدريب وعمل تنبؤات بناءً على الميزات الناتجة. ثم تدريب CNN خاصة لتحديد اماكن التزييف على معرفة خصائص أجزاء الصور بالشبكة واكتشاف الأجزاء المزيفة من الصور المزيفة. تتمثل المرحلة الرابعة باتخاذ قرار وحساب معدل لكل تنبؤ من شبكتي التصنيف في مرحلة الاختبار في الوقت الحقيقي وتحديد الصورة حقيقية أو مزيفة. المرحلة الخامسة هي خطوة المعالجة اللاحقة بعد اكتشاف أن الصورة مزيفة، وذلك بتأطير الأجزاء المزيفة من الصورة المزيفة باستخدام شبكة CNN الثالثة الخاصة بالتحديد. اعتمدت هذه الأطروحة مجموعة بيانات "140 ألف وجه حقيقي ومزيف"، حيث تحتوي على 70 ألف صورة حقيقية، و 70 ألف صورة مزيفة تم إنشاؤها باستخدام شبكة StyleGan التي يصعب اكتشاف معظم الصور المزيفة الناتجة بنظام الرؤية البشري. أخيراً، حققت دقة التصنيف للنظام المقترح 99.99٪ بالإضافة إلى 92.13٪ في عملية تحديد التزييف، وأخراً بعد تطبيق فكرة تحسين التعلم على شبكتي التصنيف حققت كل من شبكتي التصنيف على دقة 100٪ وشبكة التحديد 92.20٪.