지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김원준
- 발행연도
- 2020
- 저작권
- 건국대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 등록된 사용자의 사진과 동영상 기반의 위변조 공격에 의한 개인 정보 유출 문제가 빈번하게 발생하면서, 얼굴 위변조 공격으로부터 사용자의 개인 정보를 안전하게 보호할 수 있는 얼굴 위변조 검출 기술의 중요성이 점차 증가하고 있다. 기존의 얼굴 위변조 검출 방법들은 주로 영상의 밝기 정보에만 집중하고, 색상 정보는 간과하여 고화질의 위변조 공격에 효과적으로 대응하지 못한다는 단점이 있다. 본 논문에서는 이러한 기존 단점을 극복하고자 얼굴 영상의 밝기와 색상 정보를 함께 이용한 합성곱 신경망 기반의 얼굴 위변조 검출 방법을 제안한다. 제안하는 방법은 적층된 합성곱 신경망과 보조 신경망을 이용하여 실제 얼굴과 위변조된 얼굴의 밝기 특징과 색상 특징을 독립적으로 추출한다. 즉, 얼굴 영상의 밝기 정보와 색상 정보를 모두 고려하여 얼굴 위변조 검출을 수행한다. 기존의 방법과는 달리, 본 논문에서는 독립적으로 추출된 특징을 단순 결합(Concatenation)만을 하는 것이 아니라 단순 결합하여 조합한 특징맵(Feature Map)에 주의 모듈(Attention Module)을 적용함으로써 다양한 특징을 적응적(Adaptively)으로 조합할 수 있도록 하였다. 또한, 효과적인 분류기 학습을 위하여 대비 손실함수(Contrast Loss Function)를 새롭게 제안하였는데, 대비 손실함수는 동일 클래스 내의 특징 간의 차이는 최소화 시키고 서로 다른 클래스의 특징 간의 차이는 최대화 시킴으로써 특징의 분별력을 높인다. 최종적으로 제안한 대비 손실함수와 소프트맥스 손실함수(Softmax Loss Function)를 함께 사용하여 얼굴 위변조 여부를 판별하는 분류기를 학습하여 얼굴 위변조 검출을 수행한다. 다양한 실험을 통해 본 논문에서 제안하는 방법이 기존 얼굴 위변조 검출 방법 대비 개선된 성능을 보임을 확인하고 그 결과를 분석한다.
목차
제1장 서론 1제1절 연구의 배경 및 필요성 1제2절 논문 구성 5제2장 배경 이론 및 관련 연구 7제1절 얼굴 위변조 공격 7제2절 얼굴 위변조 검출 방법 관련 연구 91. 하드웨어 기반 얼굴 위변조 검출 방법 102. 소프트웨어 기반 얼굴 위변조 검출 방법 11제3장 제안하는 방법 16제1절 합성곱 신경망을 이용한 밝기 특징과 색상 특징 추출 20제2절 주의 모듈을 이용한 특징 조합 22제3절 분류기 학습을 위한 손실함수 설계 24제4장 실험 및 결과 분석 31제1절 데이터베이스 31제2절 실험 환경 및 설정 33제3절 실험 결과 35제5장 결론 및 전망 39참고문헌 41ABSTRACT 45
최근 본 자료
댓글(0)
0