IEEESTEC 17TH (2024), (pp. 367–370)
АУТОР / AUTHOR(S): Nađa Cvetković
DOI: 10.46793/IEEESTEC17.367C
САЖЕТАК / ABSTRACT:
Pre dozvoljenog ulaska na određene sajtove, postoji obavezan CAPTCHA test. CAPTCHA test je potpuno automatizovani javni Tjuringov test koji za cilj ima da razlikuje računare od ljudi, zadacima koje može da reši samo čovek. U ovom radu kompozitna generativna adverserijalna mreža (C-GAN) primenjena je na slike iz predodređene baze voća, generišući slikovne CAPTCHA testove. Ovaj vid generisanja slika do sada je primenjen samo na tekstualni tip CAPTCHA-i. Cilj ovog rada je ispitati da li su slike generisane korišćenjem C-GAN mreže otporne na prepoznavanje računara, a ujedno dovoljno razumljive čoveku. Tokom izrade projekta korišćena je C-GAN mreža. Nakon što su dobijeni proizvodi mreže, mereni su na dva načina. Dati su modelu ResNet50 i grupi ljudi – u vidu ankete – na evaluaciju. Rezultati su pokazali da model ResNet50 ne može uspešno da proceni šta je na generisanoj slici, dok ljudi u anketi uspešno da označili voće.
КЉУЧНЕ РЕЧИ / KEYWORDS:
CAPTCHA, GAN, C-GAN
ЛИТЕРАТУРА/ REFERENCES:
- Hidalgo, „A survey of CAPTCHA,“ J. Comput. Sci. Technol., vol. 26, no. 6, pp. 1165–1180, 2011.
- Kwon, H. Kim, J. Yoon, and S. Choi, „Learning compositional visual concepts with natural supervision,“ IEICE Trans. Inf. Syst., vol. E101.D, no. 2, pp. 472–475, 2018.
- Oltean, „Fruits 360 dataset,“ Kaggle Datasets, 2017.
- Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, and A. Courville, „Generative adversarial nets,“ Adv. Neural Inf. Process. Syst., vol. 27, pp. 2672–2680, 2014. PyTorch, „TorchVision: PyTorch’s computer vision library,“ PyTorch Doc., 2023.
- Radford, L. Metz, and S. Chintala, „Unsupervised representation learning with deep convolutional generative adversarial networks,“ arXiv preprint, arXiv:1511.06434, 2016.
- P. Kingma and J. Ba, „Adam: A method for stochastic optimization,“ arXiv preprint, arXiv:1412.6980, 2014.
- Habr, „What is a GAN: Everything you wanted to know about generative adversarial networks,“ Habr Artic., 2020.
- LeCun, Y. Bengio, and G. Hinton, „Deep learning,“ Nature, vol. 521, no. 7553, pp. 436–444, 2015.
- Lornatang, „CGAN PyTorch generator model,“ GitHub Repository, 2020.
- Senmaoy, „RAT-GAN: Recurrent attention GAN for image captioning,“ GitHub Repository, 2021.
- Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, and A. Courville, „Generative adversarial nets,“ Adv. Neural Inf. Process. Syst., vol. 27, pp. 2672–2680, 2014.