Resumen

La técnica de hash perceptual para la detección de manipulaciones ha sido investigada intensamente debido a la velocidad y eficiencia de memoria. Investigaciones recientes han demostrado que aprovechar la información supervisada podría llevar a aprender un código de hash de alta calidad. Sin embargo, la mayoría de los métodos existentes generan un código de hash tratando a cada región por igual, ignorando la diferente saliencia perceptual relacionada con la información semántica. Sostenemos que la integridad de los objetos salientes es más crítica e importante de verificar, ya que el contenido semántico está altamente conectado a ellos. En este artículo, proponemos un algoritmo de Hashing Semi-supervisado de Múltiples Vistas con Saliencia Perceptual (MV-SHPS), que explora información supervisada y múltiples características en el aprendizaje de hash simultáneamente. Nuestro método calcula la distancia de hash de la imagen teniendo en cuenta la saliencia perceptual en lugar de considerar directamente el valor de distancia entre las imágenes totales. Experimentos extensos en conjuntos de datos de

• Materias:Comprensión de imágenes Inteligencia artificial Detección de manipulaciones Visión artificial Imágenes espaciales
• Subjects:Image understanding Artificial intelligence Manipulation detection Artificial vision Spatial imaging
• Palabras claves:Hashing perceptual; Detección de manipulación; Información supervisada; Código hash; Saliencia perceptual; Información semántica
• Keywords:Perceptual hashing; Tamper detection; Supervised information; Hashing code; Perceptual saliency; Semantic information