HRDA-Net:面向真实场景的图像多篡改检测与定位算法

摘要：

针对主流篡改数据集单幅图像仅包含一类篡改操作,且对真实图像定位存在"伪影"问题,构建面向真实场景的多篡改数据集(MM Dataset),每幅篡改图像包含拼接和移除2种篡改操作.针对多篡改检测与定位任务,提出端到端的高分辨率扩张卷积注意力网络(HRDA-Net),利用自顶向下扩张卷积注意力(TDDCA)模块融合图像RGB域和SRM域特征.最后,采用混合扩张卷积模块(MDC)分别提取拼接、移除和篡改检测任务特征,实现篡改区域定位和篡改置信度预测.为提高网络训练效率,提出余弦相似度损失函数作为辅助损失.实验结果表明,在MM Dataset下,与主流语义分割方法相比,HRDA-Net具有较优的性能和较强的稳健性;在单篡改数据集CASIA和NIST下,与主流单篡改定位方法相比,HRDA-Net的F1和AUC分数均较优.

关键词：深度学习;多篡改检测与定位;多篡改数据集;余弦相似度损失函数

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;河北省自然科学基金资助项目;河北省自然科学基金资助项目;河北省自然科学基金资助项目;河北省自然科学基金资助项目;河北省高等学校科学技术研究基金资助项目;河北省高等学校科学技术研究基金资助项目

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：217-226