Name: Eine Vergleichende Analyse von Lbp-Varianten zur Erkennung von Bildmanipulationen (en Alemán)
SKU: 62154169
Price: 1052.33 MXN
Availability: InStock
Author: Suresh Rao; Mandeep Kaur
ISBN: 9786207604562

portada Eine Vergleichende Analyse von Lbp-Varianten zur Erkennung von Bildmanipulationen (en Alemán)

Eine Vergleichende Analyse von Lbp-Varianten zur Erkennung von Bildmanipulationen (en Alemán)

Formato

Libro Físico

Editorial

Verlag Unser Wissen

Autor

Suresh Rao; Mandeep Kaur

Idioma

Alemán

N° páginas

Encuadernación

Tapa Blanda

ISBN13

9786207604562

Eine Vergleichende Analyse von Lbp-Varianten zur Erkennung von Bildmanipulationen (en Alemán)

Suresh Rao; Mandeep Kaur (Autor) · Verlag Unser Wissen · Tapa Blanda

Libro Nuevo Importado

Envío: 22 a 27 días háb.

$ 1,753.88$ 1,052.33

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 1,052.33

¡Envío Gratis! Llega entre el 08 Oct y el 16 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Eine Vergleichende Analyse von Lbp-Varianten zur Erkennung von Bildmanipulationen (en Alemán)"

In dieser Arbeit wird der Einsatz von Local Binary Patterns (LBP) und Convolutional Neural Networks (CNN) zur Erkennung von Bildmanipulationen untersucht, einem zunehmend verbreiteten Problem in der heutigen digitalen Landschaft. Durch eine vergleichende Analyse von vier LBP-Varianten unter Verwendung des CASIA-2.0-Datensatzes werden die Texturdeskriptoren von LBP mit CNN kombiniert, um die Genauigkeit und Robustheit zu verbessern. Die Methode umfasst die Erzeugung lokaler Texturdeskriptoren mit LBP und deren Einspeisung in eine CNN-Architektur, die darauf trainiert ist, Bilder als manipuliert oder authentisch zu klassifizieren. Trotz der Herausforderungen, wie z. B. der Rechenkomplexität, zielt die Forschung darauf ab, einen Beitrag zu einem zuverlässigen Manipulationserkennungssystem zu leisten, das in verschiedenen realen Szenarien eingesetzt werden kann. Besonders hervorzuheben ist, dass Uniform LBP sowohl in der Trainings- als auch in der Testzeit eine überragende Leistung zeigt und bei der Erkennung von Bildmanipulationen eine Genauigkeit und einen F1-Score von über 97 % erreicht, was die Wirksamkeit des Ansatzes bestätigt.