基于深度学习的油画身份验证与伪造检测方法

《Signal Processing: Image Communication》:Deep Learning–Driven Authentication and Forgery Detection Methods for Oil Paintings

【字体: 大 中 小 】 时间:2026年05月16日 来源:Signal Processing: Image Communication 3.4

编辑推荐:

  王瑞芳•提出了一种基于深度学习的DEC-Int-U-Net算法,用于油画真伪鉴定•引入了受大象群体行为启发的进化调优机制,以优化模型性能•收集了高分辨率的真品和伪造油画数据集•结合了CLAHE、双向滤波和LBP算法进行细粒度纹理分析•检测准确率达到98.2%,优于现有的伪造检测模

  
王瑞芳
  • •
    提出了一种基于深度学习的DEC-Int-U-Net算法,用于油画真伪鉴定
  • •
    引入了受大象群体行为启发的进化调优机制,以优化模型性能
  • •
    收集了高分辨率的真品和伪造油画数据集
  • •
    结合了CLAHE、双向滤波和LBP算法进行细粒度纹理分析
  • •
    检测准确率达到98.2%,优于现有的伪造检测模型
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号