1. Klasifikacija SLIKA NA PRIRODNE I SINTETIČKE Luka Ribar

2. Klasifikacija Određivanje klase objekta na osnovu ulaznih parametara Parametri :{p1,p2,…,pn} Klase:{c1,c2,…,cm} Trening – Podešavanje unutrašnjih parametara AdaBoost algoritam

3. Klasifikacija slika Pronalaženje razlika između prirodnih i sintetičkih slika Karakteristike: - broj nijansi boja (RGB,Grayscale) - broj susednih identičnih piksela - jednobojne površine - intenzitet prelaza - DCT (Discrete Cosine Transform)

4. Broj grayscale nijansi Broj boja Odnos broja boja i površine slike Broj identičnih susednih piksela Odnos maksimalne jedbnobojne površine i površine slike Broj jednobojnih površina na slici Intenzitet prelaza DCT

5. Greška za pojedinačne parametre

6. Rezultati 2000 slika (1000 sintetičkih-1000 prirodnih) Polovina uzeta za trening, polovina za testiranje Uspešnost algoritma 99,3 %

7. Zaključak Algoritam se pokazao veoma uspešnim Moguća poboljšanja dodavanjem novih parametara

8. Hvala na pažnji!