DenoiseLAB
486 subscribers
1.33K photos
159 videos
3 files
1.57K links
Блог DenoiseLAB (машинное обучение, аналитика)

Информация в канале служит только для ознакомления и не является призывом к действию. Не нарушайте законы РФ и других стран. Мы не несем отвественность за ваши действия или бездействия.
Download Telegram
⚠️100 Инструментов для Penetration Testing - Tools №1

Кодирование изображения: Вы можете использовать этот инструмент для встраивания секретной информации в изображение. Это происходит путем изменения наименее значимых битов пикселей в изображении, чтобы сохранить внешний вид изображения практически неизменным.

Декодирование изображения: Этот инструмент позволяет извлекать скрытую информацию из изображений, созданных с использованием стеганографии. Он восстанавливает скрытые данные из наименее значимых битов пикселей.

Сравнение двух изображений: Этот инструмент позволяет сравнивать два изображения и выявлять различия между ними. Если изображения содержат скрытую информацию, то они могут отличаться на уровне наименее значимых битов.

👉Ссылка: https://futureboy.us/stegano/

🔥🔥🔥Отказ от ответственности: см. в постах выше.

#image_encoding #image_steganography #least_significant_bit (LSB) #image_manipulation #image_decoding #hidden_information_extraction #image_comparison

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
Please open Telegram to view this post
VIEW IN TELEGRAM
⚠️100 Инструментов для Penetration Testing - Tools №2

GTFOBins - это кураторский список Unix-бинарных файлов, которые могут использоваться для обхода локальных ограничений безопасности в неправильно настроенных системах. Проект собирает легитимные функции Unix-бинарных файлов, которые могут быть злоупотреблены для обхода ограничений, повышения или поддержания привилегий, передачи файлов, создания bind и reverse shell'ов и выполнения других задач после эксплуатации. Вместо этого GTFOBins является сборником информации о том, как использовать имеющиеся бинарные файлы. GTFOBins - это совместный проект, созданный Эмилио Пинной и Андреа Кардачи, где каждый может внести свой вклад, добавив дополнительные бинарные файлы и методики.

👉Ссылка: https://gtfobins.github.io

🔥🔥🔥Отказ от ответственности: см. в постах выше.

#image_encoding #image_steganography #least_significant_bit (LSB) #image_manipulation #image_decoding #hidden_information_extraction #image_comparison

🤕🤕🤕https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.
Please open Telegram to view this post
VIEW IN TELEGRAM
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_188

🔠Что такое GLCM ?

GLCM - это матрица, которая представляет относительное распределение пикселей различных значений яркости в изображении. Гистограмма локальных бинарных шаблонов вычисляет статистические меры, такие как контрастность, однородность и корреляция, основываясь на GLCM.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#text analysis #GLCM #local binary pattern #image processing #computer vision #texture analysis #image classification #pattern recognition #feature extraction
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_189

🔠 Что такое LBP ?

Локальный бинарный шаблон (LBP) - это метод, который кодирует локальную структуру текстуры пикселей в изображении. Он работает путем сравнения центрального пикселя с его окружающими пикселями и присваивает бинарный код каждому пикселю в зависимости от его отношения к центральному пикселю. LBP может быть использован для извлечения текстурных характеристик, таких как шероховатость, текстурная грубость и микроструктуры изображения.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#text analysis #GLCM #local binary pattern #image processing #computer vision #texture analysis #image classification #pattern recognition #feature extraction
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_190

🔠 Что такое MobileUNet ? (Часть_1)

MobileUNet (Mobile U-Net) - это архитектура нейронной сети, основанная на U-Net, которая была специально разработана для обработки изображений на мобильных устройствах с ограниченными вычислительными ресурсами, такими как смартфоны или планшеты.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#MobileUNet #neural network architecture #image segmentation #U-Net #computer vision #mobile devices #optimization #convolutional neural network #feature extraction #image processing
2
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_190

🔠 Что такое MobileUNet ? (Часть_2)

U-Net - это архитектура нейронной сети, которая широко используется для сегментации изображений, в основном в медицинском изображении. Она состоит из энкодера и декодера, которые связаны между собой. Энкодер позволяет извлекать высокоуровневые признаки из изображения, а декодер восстанавливает пространственную информацию и генерирует сегментированное изображение.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#MobileUNet #neural network architecture #image segmentation #U-Net #computer vision #mobile devices #optimization #convolutional neural network #feature extraction #image processing
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_190

🔠 Что такое MobileUNet ? (Часть_3)

MobileUNet оптимизирована для работе на мобильных устройствах, используя различные техники, такие как свертки с малыми фильтрами, сокращение числа каналов и применение точечных сверток для снижения вычислительной сложности и уменьшения размера модели. Такие оптимизации позволяют использовать MobileUNet на устройствах с ограниченными вычислительными ресурсами, при этом сохраняя достаточную точность сегментации изображений.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#MobileUNet #neural network architecture #image segmentation #U-Net #computer vision #mobile devices #optimization #convolutional neural network #feature extraction #image processing
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_191

🔠 Какие применения может иметь кросс-масштабный поток в компьютерном зрении ? (Часть_1)

1. Обнаружение объектов на различных масштабах: Кросс-масштабный поток позволяет обнаруживать объекты на различных уровнях детализации или размерах. Это особенно полезно при обнаружении объектов, которые могут быть представлены в различных масштабах, например, при обнаружении лиц, автомобилей или других объектов в разных частях изображения.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#cross-scale flow #computer vision #image processing #object detection #image segmentation #feature extraction #image analysis #multi-scale analysis #image classification #data augmentation
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_191

🔠 Какие применения может иметь кросс-масштабный поток в компьютерном зрении ? (Часть_2)

2. Сегментация изображений с учетом разных уровней детализации: Кросс-масштабный поток позволяет учесть разные масштабы при сегментации изображений. Это может быть полезно, когда объекты на изображении имеют разные размеры или когда требуется учесть различные детали и текстуры на разных масштабах.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#cross-scale flow #computer vision #image processing #object detection #image segmentation #feature extraction #image analysis #multi-scale analysis #image classification #data augmentation
200 Вопросов по Машинному обучению (Machine Learning) - Вопрос_191

🔠 Какие применения может иметь кросс-масштабный поток в компьютерном зрении ? (Часть_3)

Интерпретация и классификация изображений: Кросс-масштабный поток может быть использован для анализа изображений на различных масштабах и извлечения информации, которая может быть полезна для интерпретации и классификации изображений. Это может помочь в задачах распознавания образов, классификации объектов или анализа контекста на разных масштабах.

https://boosty.to/denoise_lab/donate - фишки кода, полезные фичи или просто если вы хотите поддержать наш канал.

#cross-scale flow #computer vision #image processing #object detection #image segmentation #feature extraction #image analysis #multi-scale analysis #image classification #data augmentation
🔥3