用于检测视频序列伪造事实的三维卷积神经网络的体系结构

DOI:

EDN:

评审日期

出版日期

注解: 文章反映了使用神经网络技术来确定视频序列内容的伪造事实。 在现代世界中，新技术已成为多媒体环境中不可或缺的一部分，但它们的扩散也造成了新的威胁-误用以伪造视频序列内容的可能性。 这导致了严重的问题，如假新闻的传播和社会的错误信息。 科学文章考察了这个问题，并确定了使用神经网络来解决它的必要性。 与其他现有模型和方法相比，神经网络具有提取复杂特征和从大量源数据中学习的能力，在检测视频数据伪造方面具有较高的效率和准确性，这在降低分析视频序列的分辨率时尤为重要。 在这项工作的框架内，提出了一个识别视频记录中音频和视频序列伪造的数学模型，以及一个基于三维卷积神经网络的模型，通过分析单个帧的内容来确定视频序列伪造的事实。 在这项工作的框架内，有人建议将识别视频记录中的伪造问题视为两个问题的联合解决方案：识别音频和视频序列的伪造，由此产生的任务本身转化为 任何视频记录都可以分配到作品中描述的四个组中的一个。 只有属于第一组的视频被认为是真实的，其他的都是捏造的。 为了增加模型的灵活性，增加了概率分类器，这使您可以考虑预测的置信度。 结果解决方案的特点是能够调整阈值，这使您可以根据任务将模型适应不同级别的严格性。 提出了三维卷积神经网络的体系结构，包括预处理层和神经网络层，以确定制造的光头。 所得到的模型在确定伪造的视频序列时具有足够程度的准确性，同时考虑到帧分辨率的显着降低。 在训练数据集上对模型的测试表明，正确检测视频序列伪造的比例高于70％，这明显优于猜测。 尽管有足够的准确性，但模型可以被细化以更显着地增加正确预测的比例。

出版日期: