Article_1:Face Forgery Detection via Multi-Feature Fusion and Local Enhancement_Part1

نویسندگان : Zhang, D., Chen, J., Liao, X., Li, F., Chen, J., & Yang, G. (2020)
منبع :  IEEE Transactions on Information Forensics and Security

۱.۱. هدف پژوهش

هدف این مقاله ارائه یک الگوریتم ترکیبی برای تشخیص جعل چهره (Face Forgery Detection) است که ویژگی‌های چندگانه تصویری را ترکیب کرده و از بهبود محلی برای افزایش دقت تشخیص استفاده می‌کند. نویسندگان تلاش کرده‌اند که با ادغام تحلیل بافت، ویژگی‌های آماری و مدل‌های یادگیری ماشین، یک روش مؤثرتر برای مقابله با جعل چهره توسعه دهند.

۱.۲. روش‌شناسی (Methodology)

استخراج ویژگی‌های بافتی و هندسی: استفاده از روش‌هایی مانند Local Binary Patterns (LBP)، Histogram of Oriented Gradients (HOG) و Scale-Invariant Feature Transform (SIFT) برای شناسایی تفاوت‌های ساختاری بین تصاویر واقعی و جعلی.
 مدل‌های یادگیری ماشین: از SVM (Support Vector Machine)، Random Forest و K-Nearest Neighbors (K-NN) برای طبقه‌بندی تصاویر بر اساس ویژگی‌های استخراج‌شده استفاده شده است.
 بهبود محلی (Local Enhancement): مناطق مهم چهره مانند چشم‌ها، بینی و دهان به‌طور خاص تحلیل شده‌اند، زیرا جعل معمولاً در این نواحی مشهودتر است.

ادامه در پست بعد