任意尺寸图像训练与残差核学习：面向图像篡改识别
计算机视觉与模式识别
2020-05-25 v1 多媒体
摘要
保留图像中的原始噪声残差对于图像篡改识别至关重要。由于深度学习中的缩放操作会破坏图像噪声残差的微观结构，我们提出了一种直接以原始输入尺度训练图像而无需缩放的框架。我们的任意尺寸图像训练方法主要依赖于伪批量梯度下降（PBGD），它弥合了输入批次与更新批次之间的差距，以确保模型更新能够对任意尺寸图像正常运行。此外，设计了一种三阶段交替训练策略来学习用于图像篡改识别的最优残差核。借助学习到的残差核与PBGD，所提框架在图像篡改识别上取得了最先进（state-of-the-art）的结果，尤其对于具有小篡改区域或具有不同篡改分布的未见图像。
引用
@article{arxiv.2005.11043,
title = {Arbitrary-sized Image Training and Residual Kernel Learning: Towards Image Fraud Identification},
author = {Hongyu Li and Xiaogang Huang and Zhihui Fu and Xiaolin Li},
journal= {arXiv preprint arXiv:2005.11043},
year = {2020}
}