Efficacy of Pixel-Level OOD Detection for Semantic Segmentation
University of Waterloo（滑铁卢大学）
在图像分类中，分布外样本的检测一直是研究的热点。自动驾驶等安全关键应用将受益于定位导致图像无法分发的不寻常物体的能力。本文采用国家的最先进的方法检测出的分布图像的图像分类的新任务，检测出的分布像素，它可以定位不寻常的对象。它进一步实验比较了两个新的数据集，从现有的语义分割数据集使用PSPNet和DeeplabV3+架构，以及提出了一个新的指标的任务。评估结果表明，性能排名的比较方法并没有转移到新的任务，每一种方法的表现显着不如他们的图像级同行。
2019-11-07 cs.CV cs.LG eess.IV
Generalisation effects of predictive uncertainty estimation in deep learning for digital pathology
Linköping University（林雪平大学）；Sectra AB（Sectra公司）
深度学习（DL）在数字病理学应用中显示出巨大的潜力。基于DL的诊断解决方案的稳健性对于安全的临床部署至关重要。在这项工作中，我们评估了在数字病理学中增加DL预测的不确定性估计是否会通过提高一般预测性能或检测错误预测来增加临床应用的价值。我们比较了模型集成方法（MC dropout和Deep ensembles）与模型不可知方法（测试时间增强，TTA）的有效性。此外，四个不确定性度量进行了比较。我们的实验集中在两个领域转移的情况下：转移到不同的医疗中心和代表性不足的癌症亚型。我们的研究结果表明，不确定性估计通过降低模型对分类阈值选择的敏感性以及检测模型所做的70%至90%的错误预测来提高可靠性。总体而言，深度集成方法实现了最佳性能，紧随其后的是TTA。
2022-05-20 cs.AI cs.CV cs.LG
Detecting Deepfake-Forged Contents with Separable Convolutional Neural Network and Image Segmentation
National Chung Hsing University（中兴大学）；Yango University（阳光学院）
人工智能技术的最新进展使数字图像和视频的伪造变得更加容易，识别这种伪造变得更加困难。这些言论如果恶意传播，可能对社会和政治稳定产生负面影响，并构成重大的道德和法律挑战。Deepfake是自动编码器的一种变体，它使用深度学习技术来识别和交换图片或电影中的人脸图像。Deepfake可能导致公众对数字图像和视频的信任受到侵蚀，这对政治和社会稳定产生深远影响。因此，这项研究提出了一种面部伪造检测的解决方案，以确定图片或电影是否曾经被Deepfake处理过。所提出的解决方案通过使用最近提出的可分离卷积神经网络（CNN）和图像分割来达到检测效率。此外，本研究还研究了不同的图像分割方法如何影响检测结果。最后，集成模型用于提高检测能力。实验结果表明，该方案具有良好的性能.
2019-12-21 cs.CV
Trident: Detecting Face Forgeries with Adversarial Triplet Learning
Department of Computer Engineering, Bilkent University（计算机工程系，比尔肯特大学）
提出Trident人脸伪造检测框架，采用Siamese网络三元组学习与域对抗训练，捕捉细粒度伪造特征并学习与伪造无关的表示，有效提升对未见篡改的泛化与鲁棒性。
2025-06-29 cs.CV
On Detecting GANs and Retouching based Synthetic Alterations
IIIT Delhi（德里印度理工学院）
数字修饰图像已成为一种流行趋势，人们在社交媒体上发布修改后的图像，甚至杂志上发布名人的完美面部图像。此外，随着生成对抗网络（GANs）的进步，现在更改属性和修饰变得非常容易。这种合成的改变对人脸识别算法有不利影响。虽然研究人员已经提出检测图像篡改，但检测GANs生成的图像尚未被探索。本文提出了一种使用卷积神经网络（CNN）的有监督深度学习算法来检测合成更改图像。该算法在ND-IIITD数据集上检测修饰的准确率为99.65%。它优于先前的最新技术，后者在数据库上报告的准确率为87%。对于区分真实图像和使用GANs生成的图像，该算法的准确率为99.83%。
2019-01-26 cs.CV
A Novel Region Duplication Detection Algorithm Based on Hybrid Approach
Amity University, Mumbai（孟买阿米蒂大学）
由于高带宽互联网的便利，来自各种来源的数字图像无处不在。数字图像很容易被善意或恶意篡改。在数字取证的情况下，数字图像中预嵌入信息的不可用使得篡改检测过程更加困难。因此，被动图像篡改难以检测。存在可用于检测图像篡改的各种算法。然而，这些算法有一些缺点，由于所有类型的篡改不能被检测到。本文以实例为基础，介绍了图像篡改的类型及其检测技术。本文还阐述了对各种现有算法的见解，并试图找出有效的算法。
2022-04-10 cs.CV
Detecting Facial Image Manipulations with Multi-Layer CNN Models
Facephi Research Laboratory（Facephi研究实验室）；University of Alicante（阿利坎特大学）
针对数字图像篡改难识别的问题，本研究构建三种复杂度递增的CNN模型并引入正则化优化，人脸篡改检测准确率最高达76%，优于传统方法，为低算力场景的媒体验证提供参考。
2024-12-09 cs.AI cs.CV
Convolutional Neural Network for Blur Images Detection as an Alternative for Laplacian Method
Wroclaw University of Science and Technology（弗罗茨瓦夫理工大学）
随着数码相机的普及，数字图像的数量迅速增加，这就提出了非人工图像质量评估的需求。虽然有许多方法被认为是有用的检测模糊，在本文中，我们提出并评估了一种新的方法，使用深度卷积神经网络，它可以确定图像是否模糊。实验结果证明了该方案的有效性，并与使用混淆矩阵的确定性方法进行了比较。
2020-10-15 cs.CV
Polygonal approximation of digital planar curve using novel significant measure
Vellore Institute of Technology（韦洛尔理工学院）；Nanyang Technological University（南洋理工大学）
本文提出了一种数字图像边界多边形逼近的迭代光顺技术。该技术从曲线的最精细的初始分割点开始。通过计算每个初始分割点的显著性测度来确定初始分割点对保持图像边界原始形状的贡献。所提出的方法区分的情况下，当曲线上的两点之间的曲线上的一个点直接投影在线段或超出此线段。它不仅识别这些情况，而且还以不同的方式计算其对这些情况的重要贡献。这种情况下的具体治疗允许保留点与高曲率，即使修订的一组主导点的推导。实验结果表明，所提出的技术与最先进的技术竞争。
2018-12-21 cs.CV
An efficient circle detection scheme in digital images using ant system algorithm
Jadavpur University（贾达沃普尔大学）
数字图像中几何特征的检测是图像分析和计算机视觉中的一个重要课题。用于检测圆的霍夫变换技术需要用于数据处理的巨大存储器空间，因此在计算数据空间的位置、写入存储器空间和搜索存储器空间中需要大量时间。在本文中，我们提出了一种新的和有效的方案检测边缘检测灰度数字图像中的圆。我们使用蚂蚁系统算法，尚未发现在这一领域的应用。该方案的主要特点是，它可以检测相交以及不相交的圆与时间效率，使它在实时的应用程序中有用。我们建立了一个新型的蚂蚁系统，它可以在图像中找到闭合的环，然后测试它们是否为圆。
2011-06-06 cs.CV
Semi-Supervised Contrastive VAE for Disentanglement of Digital Pathology Images
Stony Brook University（石溪大学）；Harvard Medical School（哈佛医学院）
本文提出首个面向病理图像的解耦方法，通过级联解耦、新架构和重建分支提升肿瘤浸润淋巴细胞检测模型的可解释性与泛化能力。
2024-10-02 cs.CV eess.IV
On the Detection of Digital Face Manipulation
Michigan State University（密歇根州立大学）
检测被操纵的面部图像和视频是数字媒体取证中越来越重要的主题。随着先进的人脸合成和操作方法的出现，正在创建新型的假脸表示，这引起了人们对它们在社交媒体中使用的严重关注。因此，它是至关重要的，以检测被操纵的人脸图像和定位被操纵的区域。我们提出利用注意力机制来处理和改进分类任务的特征图，而不是简单地使用多任务学习来同时检测被操纵的图像和预测被操纵的掩模（区域）。学习的注意力地图突出信息区域，以进一步改进二进制分类（真脸与假脸），并可视化操纵区域。为了使我们的研究操纵的人脸检测和定位，我们收集了一个大规模的数据库，其中包含许多类型的面部表情。通过这个数据集，我们对数据驱动的假人脸检测进行了全面的分析。我们表明，使用一个注意力机制提高了面部伪造检测和操纵区域定位。
2020-10-24 cs.CV
A Paradigm Shift: Detecting Human Rights Violations Through Web Images
University of Essex（埃塞克斯大学）
携带数码相机的设备（如手机和平板电脑）的日益增多，加上不断改进的互联网网络，使普通公民、侵犯人权行为的受害者以及武装冲突、抗议和灾难局势的参与者能够通过社交媒体网络捕捉和分享特定事件的图像和视频。本文讨论了图像在人权背景下的潜力，包括它们所带来的机遇和挑战。这项研究表明，当与新颖的计算机视觉方法相结合时，真实世界的图像有能力为实际的人权监测工作提供补充数据。分析的结论是认为，如果图像被有效地用于检测和识别人权倡导者的侵犯人权行为，需要更加重视从大型网络图像收集特定任务的视觉概念。
2017-03-30 cs.CV cs.CY
From Coin to Data: The Impact of Object Detection on Digital Numismatics
National University of Singapore（新加坡国立大学）
本文利用CLIP等目标检测模型构建数字钱币学分析框架，通过现代与古代硬币数据集验证大模型检测复杂图案的优势，并提出统计校准机制提升低质量数据可靠性，推动历史文物分析、来源考证与伪造检测的进步。
2024-12-26 cs.CV
Detecting Patch Adversarial Attacks with Image Residuals
Department of Electrical and Computer Engineering University of Texas at Austin（德克萨斯大学奥斯汀分校电气与计算机工程系）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Department of Electrical and Computer Engineering（电气与计算机工程系）
我们介绍了一种基于图像残差的对抗性样本检测算法，专门用于防范基于补丁的攻击。图像残差是作为输入图像和它的去噪版本之间的差异获得的，并且训练一个神经网络来区分干净样本和对抗样本。更确切地说，我们使用小波域算法去噪图像，并证明所获得的残差作为数字指纹的对抗攻击。为了模拟物理对手的局限性，我们评估了我们的方法对本地化（基于补丁）对抗攻击的性能，包括在设置中的对手有完整的知识检测方案。我们的研究结果表明，所提出的检测方法推广到以前看不见的，更强的攻击，它能够降低成功率（相反，增加计算工作量）的自适应攻击。
2020-03-02 cs.CV eess.IV
Implementation of a Vision System for a Landmine Detecting Robot Using Artificial Neural Network
American University of Science & Technology（美国科学与技术大学）
地雷，特别是反坦克地雷、集束炸弹和未爆弹药在许多国家构成严重问题。几种扫雷技术被用于扫雷。介绍了一种地雷定位自主机器人的视觉系统的设计与实现。拟议的工作发展国家的最先进的技术，在数字图像处理的预处理污染区的捕获图像。增强后的图像采用人工神经网络对地雷的型号进行识别和分类。使用反向传播算法对网络进行训练。拟议的工作证明能够在各种条件下（旋转地雷、部分覆盖的地雷）识别和分类不同类型的地雷，成功率高达90%。
2012-10-30 cs.CV cs.NE
An Overview of Recent Work in Media Forensics: Methods and Threats
Purdue University（普渡大学）
在本文中，我们回顾了媒体取证的数字图像，视频，音频（特别是语音）和文档的最新工作。对于每一种数据形态，我们讨论的合成和操作技术，可用于创建和修改数字媒体。然后，我们审查检测和量化这种操纵的技术进步。最后，我们认为开放的问题，并建议未来的研究方向。
2022-05-12 cs.CV cs.MM
Digital filters with vanishing moments for shape analysis
DST Group（DST集团）
形状和尺度选择性的数字滤波器，可操纵有限/无限脉冲响应（FIR/IIR）和非递归/递归实现，这是可分离的两个空间维度和充分各向同性，推导。滤波器在频域中通过直流导数约束方便地设计，这保证了像素域中的正交性和单项选择性（即消失矩），而不像更常用的从高斯函数导出的FIR滤波器。建议采用两级低通/高通架构，用于模糊/微分运算。表达式的低阶IIR模糊滤波器的系数与重复的极点提供，作为规模的函数;离散巴特沃兹（IIR），彩色Savitzky-Golay（FIR），模糊也检查。并行软件实现的中央处理器（CPU）和图形处理单元（GPU），在航空监视图像的尺度选择斑点检测，进行了分析。结果表明，递归IIR滤波器是显着快于非递归FIR滤波器检测大对象时，在粗尺度，即使用滤波器与长脉冲响应;然而，裕度的性能优于并行化程度的增加而降低。
2020-04-09 cs.CV eess.SP
NEARBY Platform for Detecting Asteroids in Astronomical Images Using Cloud-based Containerized Applications
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）；Isaac Newton Group of Telescopes (ING)（艾萨克·牛顿望远镜组）；Instituto de Astrofisica de Canarias (IAC)（加那利天体物理研究所）
由于近地天体和近地小行星对我们星球的未来构成威胁，因此必须继续监测和勘测临近空间以探测近地天体和近地小行星。我们需要更多的计算资源和先进的算法来处理数码相机性能的指数增长，并能够处理（近实时）来自大型调查的数据。本文介绍了一个名为NEARBY的软件平台，它支持从天文图像中自动检测恒星之间的移动源（小行星）。检测过程是基于经典的“眨眼”检测，之后，该系统支持视觉分析技术，以验证移动源，辅助静态和动态演示。
2019-01-14 astro-ph.IM cs.CV cs.DC
Differential Anomaly Detection for Facial Images
Hochschule Darmstadt（达姆施塔特应用科学大学）；Hochschule Ansbach（安斯巴赫应用科学大学）
针对人脸识别系统易受未知身份攻击的问题，提出一种差分异常检测框架，通过提取并组合图像对的深度人脸嵌入来检测攻击，实验证明其在数字和物理领域具有高泛化能力。
2021-10-07 cs.CR cs.CV cs.LG
Detecting Out-Of-Distribution Earth Observation Images with Diffusion Models
Cnam（法国国立工艺学院）；Univ. Gustave Eiffel（古斯塔夫·埃菲尔大学）；ENSG（法国地理学校）；IGN（法国国家地理学会）；LASTIG（地理信息科学与技术实验室）
本文提出利用扩散模型重构误差及新型ODEED评分器，在SpaceNet 8上有效检测地球观测图像中的分布外样本，尤其在洪水近分布外场景中显著优于基线方法。
2024-04-19 cs.AI cs.CV cs.LG
Real-Time Glaucoma Detection from Digital Fundus Images using Self-ONNs
Tampere University（坦佩雷大学）；Izmir University of Economics（伊兹密尔经济大学）；Qatar University（卡塔尔大学）；Eskişehir Osmangazi University（埃斯基谢希尔奥斯曼加齐大学）
青光眼通过损害将视觉图像传输到大脑的视神经而导致永久性视力残疾。事实上，青光眼在发展过程中不会显示任何症状，并且在后期阶段无法停止，因此在早期阶段进行诊断至关重要。虽然各种深度学习模型已被应用于从数字眼底图像中检测青光眼，但由于标记数据的稀缺性，其泛化性能受到限制，并且具有较高的计算复杂度和特殊的硬件要求。在这项研究中，提出了紧凑的自组织操作神经网络（Self-ONNs）用于眼底图像中青光眼的早期检测，并在三个基准数据集上将其性能与传统的（深度）卷积神经网络（CNN）进行了比较：ACRIMA，RIM-ONE和ESOCU。实验结果表明，Self-ONNs不仅具有优异的检测性能，而且还可以显着降低计算复杂度，使其成为生物医学数据集的潜在合适的网络模型，特别是当数据稀缺时。
2021-09-28 cs.AI cs.CV cs.LG
