Original title: Detekce použití retušovacích filtrů ve snímku s obličejem
Translated title: Detect the Use of Retouch Filters in a Face Image
Authors: Kraváček, Adam ; Drahanský, Martin (referee) ; Goldmann, Tomáš (advisor)
Document type: Bachelor's theses
Year: 2021
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Úprava snímku pomocí filtrů je jeden z nejjednodušších způsobů jak lze v dnešní době vylepšit jeho vlastnosti. Sociální sítě jako Instagram nebo Snapchat, zaměřené primárně na sdílení snímků, nabízejí svým uživatelům při nahrávání snímků filtry, které upravují barvy ve snímku a dělají jej tak atraktivnějším. V případě získávání snímků z těchto platforem by tak mnoho snímků mělo aplikovaný filtr. Tato práce vysvětluje principy těchto filtrů. Dále se zabývá detekcí filtrů ve snímcích s obličejem, experimentuje s několika různými přístupy. Detekce pomocí analýzy histogramu a detekce konvoluční neuronovou sítí se jeví jako nejlepší, a tak jsou implementovány do programu s jednoduchým uživatelským prostředím. Dosahují úspěšnosti 94,44% (histogram) a 99,10% (neuronová síť). Také je zkoumán vliv filtrů na identifikaci osob, který je závislý na aplikovaném filtru. Některé filtry výrazně zhoršují úspěšnost identifikace osob podle snímku obličeje, zatímco jiné mají minimální dopad. Obecně se však dá říci, že změny způsobené filtry nejsou zanedbatelné. These days, altering images via filters is one of the easiest ways of enhancing its properties. Social networks like Instagram or Snapchat, focused primarily on image sharing, offer their users the option to apply filters on their images, which alter their colours to make them look better. If someone was to extract images from these platforms, many of these images would have a filter applied. This thesis explains the principles of these filters and focuses on detection of filters on facial images. Several approaches to detecting filters are being experimented with. Detection by analysis of histograms and detection by convolutional neural network achieve the best results and so are implemented in a program with a simple user interface. They achieved a success rate of 94,44% (histogram) and 99,10% (CNN). This thesis also investigates the impact of filters on facial recognition, where the impact varies depending on the filter used. Some filters have a significant impact on the rate of successful identifications, whereas others have little impact.In general, however, it can be said that the changes introduced by the application of filters are not negligible.
Keywords: artificial intelligence; CelebA; convolutional neural network; digital images; Discrete Fourier transform; facial images; filter detection; histogram; image filters; image processing; Instagram; machine learning; CelebA; detekce filtru; digitální snímky; Diskrétní Fourierova transformace; histogram; Instagram; konvoluční neuronová síť; obrazové filtry; snímky obličeje; strojové učení; umělá inteligence; zpracování obrazu

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/199493

Permalink: http://www.nusl.cz/ntk/nusl-573255


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses