用于文本篡改检测与识别的两阶段双路径框架
计算机视觉与模式识别
2024-02-23 v2
摘要
文档篡改检测一直是篡改检测的一个重要方面。在深度学习出现之前，文档篡改检测十分困难。我们在基于深度学习的文本篡改检测领域进行了一些探索。我们的 Ps 篡改检测方法包括三个步骤：特征辅助、审计点定位和篡改识别。它涉及分层过滤和分级输出（已篡改/疑似篡改/未篡改）。通过结合人工篡改数据特征，我们在各种场景下模拟和增强数据样本（裁剪加噪声添加/替换、单字符/空格替换、涂抹/拼接、亮度/对比度调整等）。辅助特征包括 exif/二进制流关键词检索/噪声，用于基于结果的分支检测。审计点定位使用检测框架并控制高低密度检测的阈值。篡改识别采用双路径双流识别网络，具有 RGB 和 ELA 流特征提取。通过自相关百分位池进行降维后，融合输出经过 vlad 处理，准确率为 0.804，召回率为 0.659，精确率为 0.913。
引用
@article{arxiv.2402.13545,
title = {A Two-Stage Dual-Path Framework for Text Tampering Detection and Recognition},
author = {Guandong Li and Xian Yang and Wenpin Ma},
journal= {arXiv preprint arXiv:2402.13545},
year = {2024}
}