基于空洞卷积的图像取证深度匹配对抗学习
计算机视觉与模式识别
2018-09-11 v1
摘要
约束图像拼接检测与定位（CISDL）是图像取证中一个新提出的具有挑战性的任务，它考察两张输入的可疑图像，并识别其中一张图像是否含有从另一张粘贴而来的可疑区域。本文提出一种新颖的对抗学习框架，用于训练面向CISDL的深度匹配网络。我们的框架主要由三个模块组成：1）基于空洞卷积的深度匹配网络（DMAC）旨在生成两个高质量候选掩码，用以指示两张输入图像中的可疑区域；2）检测网络用于纠正两个对应候选掩码之间的不一致性；3）判别网络驱动DMAC网络生成难以与真实掩码区分开的掩码。在DMAC中，采用空洞卷积提取富含空间信息的特征，提出基于跳跃架构的关联层以捕获层次化特征，并构建空洞空间金字塔池化以在多尺度上定位篡改区域。检测网络与判别网络作为带有辅助参数的损失，以对抗方式监督DMAC的训练。在21个生成测试集和两个公开数据集上进行的广泛实验，证明了所提框架的有效性以及DMAC的优越性能。
引用
@article{arxiv.1809.02791,
title = {Adversarial Learning for Image Forensics Deep Matching with Atrous Convolution},
author = {Yaqi Liu and Xianfeng Zhao and Xiaobin Zhu and Yun Cao},
journal= {arXiv preprint arXiv:1809.02791},
year = {2018}
}
备注
13 pages, 8 figures