fullseye

evidence_quantile — IMGFORENSICS `calibration` op

データ種: measurement × table → table
呼び出し: import fullseye as fs; fs.ledger.evidence_quantile(measurement, null, higher_is_stronger=True) (実装を直接呼ぶなら import imgforensics; imgforensics.evidence_quantile(measurement, null, higher_is_stronger=True)、台帳から引くなら opsimgforensics.get("evidence_quantile"))

使い方

証拠量が、清浄な分布のどのあたりに座るかを返す。判定は返さない。

null_distribution の出力を消費する側。返すのは「清浄な組の何 % より外側か」であって、「改竄されている」ではない ―― 外側に座ることは、その条件で珍しいことしか意味しない(珍しい清浄画像は存在する)。

Parameters

measurement : float 測った証拠量(hash_distance の返り値など)。 null : dict :func:null_distribution の返り値。 higher_is_stronger : bool PCE や相関のように大きいほど強い証拠なら True。ハミング距離のように小さいほど強い証拠なら False。 既定に頼らず必ず考えること —— ここを間違えると、いちばん証拠の強い組が「まったく珍しくない」と出る(例外は出ない)。

Returns

dict beyond_fraction(清浄分布のうち、この値より内側にある割合 = 清浄な組の何 % より外側に座るか。[0, 1] の連続値)/ z(標準偏差の何倍か。ばらつき 0 なら None)/ caveats。

Notes

beyond_fraction は null が持つ分位点(min / 5 / 25 / 50 / 75 / 95 / 99 パーセンタイル / max)を節として 区分線形に内挿した経験分布関数。節の上では厳密、節の間は線形近似で、min より内側なら 0、 max より外側なら 1 に飽和する(標本の外へは外挿しない)。 higher_is_stronger=False なら 1 から引いた側を返す。清浄な値がすべて同じで節が重なる場合、その値ちょうどは 0.5(中央順位)に置く。

参考(サンプルデータ・文献)

サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

image_forensics_audit — py -3.11 examples/image_forensics_audit.py
poc_prnu_camera_fingerprint — py -3.11 examples/poc_prnu_camera_fingerprint.py

型が繋がる次の op(`table` を入力に取れる)

—

同カテゴリ(`calibration`)

null_distribution

Provenance: imgforensics.py — IMGFORENSICS operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。

This site is open source. Improve this page.