![](/irbis_nbuv/images/db_navy.gif) Книжкові видання та компакт-диски ![](/irbis_nbuv/images/db_navy.gif) Журнали та продовжувані видання ![](/irbis_nbuv/images/db_navy.gif) Автореферати дисертацій ![](/irbis_nbuv/images/db_navy.gif) Реферативна база даних ![](/irbis_nbuv/images/db_navy.gif) Наукова періодика України ![](/irbis_nbuv/images/db_navy.gif) Тематичний навігатор ![](/irbis_nbuv/images/db_navy.gif) Авторитетний файл імен осіб
![Mozilla Firefox](../../ico/mf.png) |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
Пошуковий запит: (<.>AT=Тимофеєв Виявлення фотопідробок, виконаних засобами$<.>) |
Загальна кількість знайдених документів : 1
|
1. |
Тимофеєв Є. В. Виявлення фотопідробок, виконаних засобами нейронних мереж [Електронний ресурс] / Є. В. Тимофеєв, В. В. Зоріло // Інформатика та математичні методи в моделюванні. - 2022. - Т. 12, № 1-2. - С. 53-64. - Режим доступу: http://nbuv.gov.ua/UJRN/Itmm_2022_12_1-2_9 Глибоке навчання є ефективною та корисною технікою, яка широко застосовується в різних областях, включаючи комп'ютерний зір, машинний зір та обробку природної мови. Deepfake використовує технологію глибокого навчання, щоб маніпулювати зображеннями та відео людини, які люди не можуть відрізнити від реальних. Deepfake зазвичай створюють двома способами. Перший спосіб - за допомогою генеративної змагальної мережі, або GAN, яка використовує дві окремі нейронні мережі, які працюють разом, навчаючись вивчати характеристики реальних зображень, щоб вони могли створювати переконливі фотопідробки. Другий спосіб - за допомогою алгоритму штучного інтелекту, який має назву інкодер і працює шляхом запуску знімків облич двох людей через інкодер для знаходження схожості між цими знімками та запуску декодера, який отримує зображення обличчя та міняє їх місцями. Досягнення в області Deepfake однаково вражають і турбують. У чужих руках ця технологія може бути використана для поширення дезінформації та підриву суспільної довіри майже як науково-фантастичний тип крадіжки особистих даних, коли ви можете змусити будь-кого сказати що завгодно. У зв'язку з цим можна констатувати, що задача детектування Deepfake є дуже важливою та потребує застосування нових для цієї галузі досліджень, розробки нових алгоритмів детектування Deepfake та вдосконалення вже існуючих методів. Отже, метою цієї роботи є створення системи виявлення порушень цілісності медіа файлів, виконаних за технологією Deepfake. Виконано вибір нейронної мережі та її навчання на спеціально створеній базі, що дало можливість виявляти Deepfake як у цифрових зображеннях, так і в цифрових відеозаписах.
|
|
|