ELA-CNN統合による画像操作の検出：真実性検証のための強力なフレームワーク

画像編集ソフトウェアの指数関数的な進展は、偽の画像の生成が急増することに寄与しています。その結果、操作された画像を検出するためのさまざまな技術とアプローチが開発されました。これらの手法は、真の画像と改変された画像を区別することを目的としており、欺瞞的なビジュアルコンテンツの蔓延に効果的に対抗します。しかし、その精度と正確性を高めるためには、さらなる進展が必要です。したがって、本研究は、誤差レベル分析（ELA）と畳み込みニューラルネットワーク（CNN）を統合した画像偽造アルゴリズムを提案します。このシステムは、主に画像内のコピームーブとスプライシングの偽造を検出することに焦点を当てています。入力画像はELAアルゴリズムに供給され、異なる圧縮レベルを持つ画像内の領域を特定します。その後、作成されたELA画像が提案されたCNNモデルを訓練するための入力として使用されます。CNNモデルは、2つの連続した畳み込み層、1つのマックスプーリング層、および2つの密結合層で構成されています。モデルの一般化を改善するために、層の間に2つのドロップアウト層が挿入されています。実験はCASIA 2データセットに適用され、シミュレーション結果は提案されたアルゴリズムが99.05%の訓練精度、94.14%のテスト精度、94.1%の精度、および94.07%の再現率を含む優れた性能指標を示すことを示しています。特に、精度と正確性の両方において最先端の技術を上回っています。