메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김지연 (서울여자대학교) 홍승아 (서울여자대학교) 김하민 (서울여자대학교)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제22권 제12호
발행연도
2019.12
수록면
1,447 - 1,456 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
As artificial intelligence technology is actively used in image processing, it is possible to generate high-quality fake images based on deep learning. Fake images generated using GAN(Generative Adversarial Network), one of unsupervised learning algorithms, have reached levels that are hard to discriminate from the naked eye. Detecting these fake images is required as they can be abused for crimes such as illegal content production, identity fraud and defamation. In this paper, we develop a deep-learning model based on CNN(Convolutional Neural Network) for the detection of StyleGAN fake images. StyleGAN is one of GAN algorithms and has an excellent performance in generating face images. We experiment with 48 number of experimental scenarios developed by combining parameters of the proposed model. We train and test each scenario with 300,000 number of real and fake face images in order to present a model parameter that improves performance in the detection of fake faces.
#Deep Learning #Generative Adversarial Network #Convolutional Neural Network #Fake Image Detection #Face Detection

목차

ABSTRACT
1. 서론
2. 이론
3. 제안한 방법
4. 실험 결과 및 분석
5. 결론 및 향후 연구계획
REFERENCE

참고문헌 (20)

참고문헌 신청
A. Radford / 2015 / Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks / Computer Science, Machine Learning google schola D. Berthelot / 2017 / Began: Boundary Equilibrium Generative Adversarial Networks / Computer Science google schola I. J. Goodfellow / 2014 / Generative Adversarial Nets / Advances in Neural Information Processing Systems :2672~2680 google schola T. Karras / 2019 / A Stylebased Generator Architecture for Generative Adversarial Networks / Proceeding of the IEEE Conference on Computer Vision and Pattern Recognition :4401~4410 google schola T. Karras / 2017 / Progressive Growing of Gans for Improved Quality, Stability, and Variation / Computer Science, Neural and Evolutionary Computing google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥페이크의 이미지 조작: 심층적 자동화에 따른 사실의 위기와 푼크툼의 생성
최순욱 ,  오세욱 ,  이소은 미디어, 젠더 & 문화 2019 .09
디지털 서명과 메시지 인증코드를 이용한 영상의 무결성 검증에 관한 연구
우찬일 한국산학기술학회 논문지 2022 .11
얼굴 탐지 기술을 활용한 딥페이크 영상의 저작권 침해 여부 탐지
김동엽 ,  이상진 디지털포렌식연구 2022 .03
An Implementation of Copy-Move Forgery Detector using SIFT-based Feature Refinement
Jae Jeong Hwang ,  Kang Hyeon Rhee IEIE Transactions on Smart Processing & Computing 2022 .02
일반화 능력이 향상된 CNN 기반 위조 영상 식별
이정한 ,  박한훈 멀티미디어학회논문지 2021 .12

최근 본 자료

전체보기

댓글(0)

0