(4)過去の分類器を実際に欺けているのか確認

続いて、ゴルフ場分類の記事で学習を行った分類器を、実際に生成したフェイクデータで騙すことができるのかを試してみます。ちなみに記事の分類器のゴルフ場が写っているかを判断できる精度は正答率9割程度でした。

先に実際の衛星画像で判定してみます。どれだけゴルフ場が写っていそうかを確率0~1 の範囲で表します。

衛星データとディープフェイク、CycleGANで生成した嘘のゴルフ場衛星画像は分類器を騙せるのか
(画像= ゴルフ場あり 99.988% 、『宙畑』より引用)

ゴルフ場はほぼ確実に写っていると判定されています。
続いて、ゴルフ場を取り除いた画像で試します。

衛星データとディープフェイク、CycleGANで生成した嘘のゴルフ場衛星画像は分類器を騙せるのか
(画像= ゴルフ場あり 6.47% 、『宙畑』より引用)

50%以下であれば、「ゴルフ場なし」と判定されるため、今回のCycleGANでは分類器も騙せているDeepFake画像を生成できていることが確認できました。

(5)まとめ

今回のように、CycleGANを用いることで衛星画像についてもDeepFake画像を生成し本来の画像とは異なるものを出現させたり、消したりできることを確認できました。

Google Colaboratory のような環境があれば、コードを書かずに容易に実行できてしまうため、悪用は厳禁ですが、実際のゴルフ場の出現等をやっていて、逆にゴルフ場がありそうな場所(候補地)を見つけるために利用できそうな技術のような気もします。

今後衛星画像やデータを眺めるときも、この情報は本物なのかという考えも頭の隅に置いておく必要がありそうですね。

提供元・宙畑

【関連記事】
衛星データには唯一無二の価値がある。メタバース空間のゼロ地点を作るスペースデータ佐藤さんを突き動かす衝動とは
深刻化する「宇宙ごみ」問題〜スペースデブリの現状と今後の対策〜
人工衛星の軌道を徹底解説! 軌道の種類と用途別軌道選定のポイント
オープンデータ活用事例27選とおすすめデータセットまとめ【無料のデータでビジネスをアップデート! 】
月面着陸から50年!アポロ計画の歴史と功績、捏造説の反証事例