D-Unet：一种用于图像拼接篡改检测与定位的双编码器 U-Net
计算机视觉与模式识别
2022-05-24 v3
摘要
近年来，许多基于卷积神经网络（CNNs）的检测方法被提出用于图像拼接篡改检测。这些检测方法大多关注局部块或局部对象。实际上，图像拼接篡改检测是一项全局二分类任务，通过图像指纹区分篡改与非篡改区域。然而，一些特定的图像内容很难被基于 CNN 的检测网络保留，但若包含这些内容将提高网络的检测精度。为解决这些问题，我们提出了一种称为双编码器 U-Net（D-Unet）的新网络用于图像拼接篡改检测，其采用一个可训练编码器和一个固定编码器。可训练编码器自主学习区分篡改与非篡改区域的图像指纹，而固定编码器有意提供方向信息以辅助网络的学习与检测。该双编码器之后接一个空间金字塔全局特征提取模块，扩展了 D-Unet 的全局视野，以更准确地分类篡改与非篡改区域。在 D-Unet 与最先进方法的实验对比研究中，D-Unet 在图像级和像素级检测上均优于其他方法，且无需预训练或在大量篡改图像上训练。此外，它对不同攻击具有稳定的鲁棒性。
引用
@article{arxiv.2012.01821,
title = {D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization},
author = {Bo Liu and Ranglei Wu and Xiuli Bi and Bin Xiao and Weisheng Li and Guoyin Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2012.01821},
year = {2022}
}
备注
13 pages, 13 figures