Detection of computer-generated images via deep learning

Avec les progres des outils logiciels d'edition et de generation d'images, il est devenu plus facile de falsifier le contenu des images ou de creer de nouvelles images, meme pour les novices. Ces images generees, telles que l'image de rendu photorealiste et l'image colorisee, ont un realisme visuel de haute qualite et peuvent potentiellement menacer de nombreuses applications importantes. Par exemple, les services judiciaires doivent verifier que les images ne sont pas produites par la technologie de rendu infographique, les images colorisees peuvent amener les systemes de reconnaissance / surveillance a produire des decisions incorrectes, etc. Par consequent, la detection d'images generees par ordinateur a attire une large attention dans la communaute de recherche en securite de multimedia. Dans cette these, nous etudions l'identification de differents types d'images generees par ordinateur, y compris l'image de rendu et l'image coloriee. Nous nous interessons a identifier si une image est acquise par une camera ou generee par un programme informatique. L'objectif principal est de concevoir un detecteur efficace, qui a une precision de classification elevee et une bonne capacite de generalisation. Nous considerons la construction de jeux de donnees, l'architecture du reseau de neurones profond, la methode d'entrainement, la visualisation et la comprehension, pour les problemes d'investigation legale des images consideres. Nos principales contributions sont : (1) une methode de detection d'image colorisee basee sur l'insertion d'echantillons negatifs, (2) une methode d'amelioration de la generalisation pour la detection d'image colorisee, (3) une methode d'identification d'image naturelle et d'image de rendu basee sur le reseau neuronal convolutif, et (4) une methode d'identification d'image de rendu basee sur l'amelioration de la diversite des caracteristiques et des echantillons contradictoires.