Open AccessMitigando os Efeitos de GAN em Classificação de Imagens com CNN
Author(s) -
Jackson Mallmann,
Altair O. Santin,
Alceu de Souza Britto,
R. O. V. Santos
Publication year - 2019
Language(s) - Portuguese
Resource type - Conference proceedings
DOI - 10.5753/sbseg.2019.13978
Subject(s) - convolutional neural network , computer science , humanities , physics , artificial intelligence , combinatorics , mathematics , philosophy
A CNN (Convolutional Neural Network) tem sido frequentemente usada para solução de problemas, gerando um modelo que pode prever a classe da imagem. Neste trabalho, a ausência de integridade na CNN é verificada usando uma GAN (Generative Adversarial Network). Para isso, modelamos um classificador de autenticidade baseado no algoritmo NB (Naive Bayes). Quando os modelos NB e CNN propostos trabalham juntos, 88,88% de acerto foram alcançados. Em 89,88% dos casos as imagens fakes foram identificadas e descartadas. No caso específico da CNN, obteve-se uma precisão de 85,06% com uma confiança de 95%.