Seam Carving Detection Using Convolutional Neural Networks

Autor(es)

da Silva Cieslak, Luiz Fernando ; Pontara da Costa, Kelton Augusto ; Papa, Joao Paulo ; IEEE

• Tipo de documento: Artigo Científico
• Fonte: 2018 IEEE 12TH INTERNATIONAL SYMPOSIUM ON APPLIED COMPUTATIONAL INTELLIGENCE AND INFORMATICS (SACI); v. N/A, p. 5-pg., 2018-01-01.

Resumo

Deep Learning techniques have been widely used in the recent years, primarily because of their efficiency in several applications, such as engineering, medicine, and data security. Seam carving is a content-aware image resizing method that can also be used for image tampering, being not straightforward to be identified. In this paper, we combine Convolutional Neural Networks and Local Binary Patterns to recognize whether an image has been modified automatically or not by seam carving. The experimental results show that the proposed approach can achieve accuracies within the range [81% - 98%] depending on the severity of the tampering procedure. (AU)

• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 16/25687-7 - Detecção de redimensionamento de imagens via Seam carving utilizando redes neurais convolucionais no contexto da forense computacional
• Beneficiário: Luiz Fernando da Silva Cieslak
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Auxílio à Pesquisa - Regular