-
پایتون چیست؟
دوشنبه 18 فروردین 1404 19:52
Python Programming Language تعریف کلی پایتون (Python) یک زبان برنامهنویسی سطح بالا (high-level) ، تفسیری (interpreted) ، شیگرا (object-oriented) و چندمنظوره (general-purpose) است که در سال 1991 توسط Guido van Rossum طراحی شد . هدف اصلی طراحی پایتون: خوانایی بالا، سادگی سینتکس، و کاهش هزینه توسعه نرمافزار ....
-
فشردهسازی داده با استفاده از Autoencoder
یکشنبه 17 فروردین 1404 09:23
فشردهسازی دادهها با استفاده از اتوانکدرها (Autoencoders) یک رویکرد مبتنی بر یادگیری بدون نظارت (unsupervised learning) است که بهویژه در فشردهسازی تصاویر، صوت، و حتی دادههای پیچیده مانند دادههای سنجشی و پزشکی، کاربرد گستردهای یافته است. برخلاف الگوریتمهای سنتی فشردهسازی، اتوانکدرها قادرند بهصورت خودکار...
-
فشردهسازی دادهها (Data Compression)
شنبه 16 فروردین 1404 11:03
فشردهسازی دادهها (Data Compression) فرایندی است که در آن دادهها به نحوی کدگذاری میشوند که فضای کمتری برای ذخیرهسازی یا انتقال آنها مورد نیاز باشد. این تکنیک بهویژه در حوزههایی نظیر ذخیرهسازی، انتقال داده در شبکه، مالتیمدیا، و اخیراً در یادگیری ماشین و بینایی ماشین اهمیت بالایی دارد. هدف اصلی کاهش افزونگی...
-
تولید چهرههای جدید با VAE
جمعه 15 فروردین 1404 09:13
VAE (Variational Autoencoder) میتواند توزیع نهفته دادهها را یاد بگیرد و چهرههای مصنوعی تولید کند . اصلاح فرمول نمونهگیری در VAE from tensorflow.keras.layers import Lambda import tensorflow.keras.backend as K :def sampling(args) mu, log_sigma = args epsilon = K.random_normal(shape=K.shape(mu), mean=0., stddev=1.0)...
-
حذف نویز از تصاویر پزشکی با Denoising Autoencoder (DAE)
پنجشنبه 14 فروردین 1404 18:06
در تصاویر پزشکی مانند MRI و CT Scan ، نویز باعث کاهش دقت تشخیص بیماریها میشود . DAE میتواند ساختار اصلی تصویر را بدون نویز بازسازی کند . اضافه کردن نویز به دادهها و استفاده از Data Augmentation import numpy as np from tensorflow.keras.preprocessing.image import ImageDataGenerator # تابع افزودن نویز گاوسی def...
-
کاهش ابعاد دادههای ژنومی با Autoencoder
پنجشنبه 14 فروردین 1404 10:53
مقدمه در مسائل بیوانفورماتیک، دادههای ژنومی معمولاً شامل هزاران ویژگی (ژن) هستند که پردازش آنها بهصورت مستقیم دشوار است . Autoencoder میتواند با یادگیری یک نمایش فشرده، ویژگیهای مهم را حفظ کرده و ابعاد دادهها را کاهش دهد . چرا Autoencoder و نه PCA ؟ · PCA تنها روابط خطی را مدل میکند، درحالیکه Autoencoder روابط...
-
فشردهسازی و بازسازی تصاویر کاراکترهای دستنویس با Autoencoder
چهارشنبه 13 فروردین 1404 12:41
مسئله و هدف در این مثال، قصد داریم از یک Autoencoder عمیق برای کاهش ابعاد تصاویر کاراکترهای دستنویس مانند الفبای فارسی، عربی، یا انگلیسی و بازسازی آنها با حداقل اتلاف اطلاعات استفاده کنیم. این روش میتواند در کاربردهایی مانند OCR تشخیص کاراکتر نوری و بهینهسازی حافظه در سیستمهای نهفته مؤثر باشد . اهداف : کاهش ابعاد...
-
انواع اتوانکدرها _Part2
یکشنبه 10 فروردین 1404 23:17
ادامه پست انواع اتوانکدر ۲.۲ . قیود کمتراکم (Sparsity Constraint) برای اعمال کمتراکم، معمولاً از یکی از روشهای زیر استفاده میشود : مجازات L1 (L1 Regularization): افزودن مقدار L1-norm به تابع هزینه برای تشویق فعال شدن تعداد محدودی از نورونها مجازات KL-Divergence: مقایسه توزیع خروجی نورونهای نهان با یک توزیع هدف...
-
انواع اتوانکدرها _Part1
یکشنبه 10 فروردین 1404 23:14
اتوانکدرها بسته به نوع کاربرد و نحوه پردازش دادهها به دستههای مختلفی تقسیم میشوند: 1.اتوانکدر کلاسیک (Vanilla Autoencoder) ۱.۱ . تعریف و ساختار اتوانکدر کلاسیک سادهترین نوع Autoencoder است که تنها از یک رمزگذار (Encoder) و یک رمزگشا (Decoder) تشکیل شده است. هدف آن یادگیری نمایش فشرده از دادهها و سپس بازسازی آنها...
-
مفهوم اتوانکدر
شنبه 9 فروردین 1404 16:54
۱ . مفهوم اتوانکدر در یادگیری عمیق اتوانکدر (Autoencoder) یک شبکه عصبی مصنوعی غیرنظارتی است که برای یادگیری ویژگیهای مهم دادهها، کاهش ابعاد و بازسازی دادههای ورودی استفاده میشود. این مدل متشکل از دو بخش است : رمزگذار (Encoder) : ورودی را دریافت کرده و به یک نمایش فشرده در فضای نهان (Latent Space) تبدیل میکند ....
-
... Article_3:Cyber Security Intrusion Detection for Agriculture 4.0: Machine
جمعه 8 فروردین 1404 11:49
Cyber Security Intrusion Detection for Agriculture 4.0: Machine Learning-Based Solutions, Datasets, and Future Directions 3.1. Research Objective This paper focuses on machine learning-based anomaly detection in cybersecurity , but its techniques are applicable to image forgery detection as well. It examines ML models...
-
Article_2:Image Forgery Detection: A Survey of Recent Deep-Learning Approaches_Part2
پنجشنبه 7 فروردین 1404 08:19
ادامه پست معرفی مقاله Image Forgery Detection: A Survey of Recent Deep-Learning Approaches ۲.۳ . مزایا و محدودیتها مزایا : مقایسه کامل و جامع بین روشهای کلاسیک و یادگیری عمیق . بررسی نقاط قوت و ضعف هر روش در انواع مختلف جعل . محدودیتها : دادههای آزمایشی این مقاله به اندازه مقالات دیگر جامع نیست . مقاله به روشهای...
-
Article_2:Image Forgery Detection: A Survey of Recent Deep-Learning Approaches_Part1
پنجشنبه 7 فروردین 1404 08:07
Image Forgery Detection: A Survey of Recent Deep-Learning Approaches نویسندگان : Zanardelli, M., Guerrini, F., Leonardi, R., & Adami, N. (2021) منبع : Springer Journal of Imaging ۲.۱ . هدف پژوهش این مقاله یک مرور جامع از روشهای کلاسیک و مدرن تشخیص جعل تصاویر ارائه میدهد و مدلهای سنتی یادگیری ماشین (Machine...
-
Article_1:Face Forgery Detection via Multi-Feature Fusion and Local Enhancement_Part2
چهارشنبه 6 فروردین 1404 17:49
ادامه پست معرفی مقاله :Face Forgery Detection via Multi-Feature Fusion and Local Enhancement نتایج و یافتهها این روش ترکیبی دقت بالاتری نسبت به مدلهای سنتی منفرد مانند SVM دارد . ویژگیهای بافت و هندسه چهره نقش مهمی در افزایش نرخ تشخیص جعل ایفا میکنند . این روش در تشخیص جعلهای مبتنی بر تغییرات جزئی عملکرد بهتری...
-
Article_1:Face Forgery Detection via Multi-Feature Fusion and Local Enhancement_Part1
چهارشنبه 6 فروردین 1404 17:47
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...
-
روشهای کلاسیک تشخیص جعل تصاویر
یکشنبه 26 اسفند 1403 09:44
روشهای کلاسیک تشخیص جعل تصاویر عمدتاً مبتنی بر پردازش تصویر و یادگیری ماشین هستند. این روشها قبل از ظهور یادگیری عمیق به طور گسترده استفاده میشدند و هنوز در برخی کاربردها به کار میروند. این روشها معمولاً شامل تحلیل ویژگیهای تصویری و استفاده از مدلهای سنتی یادگیری ماشین برای طبقهبندی تصاویر به عنوان واقعی یا...
-
روشهای تشخیص جعل تصاویر
دوشنبه 20 اسفند 1403 19:05
روشهای تشخیص جعل تصاویر را میتوان به دو دستهی کلی تقسیم کرد : 1_ روشهای مبتنی بر یادگیری ماشین (Machine Learning-Based Methods) 2_ روشهای مبتنی بر یادگیری عمیق (Deep Learning-Based Methods) 1_ روشهای مبتنی بر یادگیری ماشین این روشها از الگوریتمهای پردازش تصویر و یادگیری ماشین برای استخراج ویژگیهای تصویری و...
-
جعل در تصویر چهره
شنبه 20 بهمن 1403 05:15
جعل در تصویر چهره (Face Image Forgery) جعل تصویر چهره یکی از پیشرفتهترین و چالشبرانگیزترین انواع جعل دیجیتال محسوب میشود که بهطور گسترده در جعل هویت، جعل رسانهای، تبلیغات فریبنده، حملات امنیتی و دستکاری افکار عمومی مورد استفاده قرار میگیرد. این نوع جعل بهدلیل وابستگی به فناوریهای بینایی کامپیوتر، یادگیری عمیق...
-
پرسش
سهشنبه 16 بهمن 1403 00:01
آیا میتوانید به آنچه میبینید اعتماد کنید؟
-
جعل در تصویر
چهارشنبه 12 دی 1403 11:16
جعل در تصویر (Image Forgery) جعل تصاویر یکی از پیچیدهترین و پرکاربردترین حوزههای جعل دیجیتال است که با پیشرفت الگوریتمهای پردازش تصویر، یادگیری عمیق و شبکههای مولد تخاصمی (GANs) به سطحی رسیده که تمایز آن از تصاویر واقعی به چالش جدی تبدیل شده است. این نوع جعل در زمینههای مختلفی مانند جعل هویت، تغییر محتوای...
-
انواع جعل
دوشنبه 5 آذر 1403 01:15
جعل اطلاعات دیجیتال بهعنوان یک چالش اساسی در حوزه امنیت سایبری و فناوری اطلاعات، در چهار دسته اصلی طبقهبندی میشود : جعل متن، صوت، تصویر و ویدیو . این دستهبندی بر اساس تکنیکهای بهکاررفته در تولید محتوای جعلی و میزان تغییرات ایجادشده در دادههای اولیه انجام میشود . ۱ . جعل متن (Text Forgery) جعل متن شامل تغییر،...
-
جعل چیست؟
سهشنبه 29 آبان 1403 21:22
تعریف جعل جعل به عمل تغییر عمدی و غیرمجاز در یک شیء، داده یا اطلاعات با هدف فریب دادن و به دست آوردن منافع نادرست اطلاق میشود. در دنیای دیجیتال امروزی، جعل تصویری به ویژه جعل چهره یکی از چالش های اصلی در زمینه های امنیت اطلاعات، رسانه ها و سیستم های شناسایی بیومتریک است. جعل های دیجیتال در سالهای اخیر به ویژه با ظهور...