DMF-Net：用于防伪二维码复制伪造识别的双分支多尺度特征融合网络
计算机视觉与模式识别
2022-01-20 v1
摘要
防伪二维码广泛应用于人们的工作与生活中，尤其在产品包装上。然而，防伪二维码在流通环节存在被复制伪造的风险。现实中，复制通常基于真实的防伪二维码，但复印设备的品牌与型号多样，极难判定伪造的防伪码源自哪一台具体复印设备。针对上述的问题，本文提出一种基于深度学习的防伪二维码复制伪造识别方法。我们首先分析防伪二维码的生成原理，将复制伪造识别转化为设备类别取证，进而提出一种双分支多尺度特征融合网络（Dual-Branch Multi-Scale Feature Fusion network）。在网络设计过程中，我们对数据预处理层、单分支设计等进行了详细分析，结合实验确定了双分支多尺度特征融合网络的具体结构。实验结果表明，所提方法取得了较高的复制伪造识别准确率，超越了当前图像取证领域的一系列方法。
引用
@article{arxiv.2201.07583,
title = {DMF-Net: Dual-Branch Multi-Scale Feature Fusion Network for copy forgery identification of anti-counterfeiting QR code},
author = {Zhongyuan Guo and Hong Zheng and Changhui You and Tianyu Wang and Chang Liu},
journal= {arXiv preprint arXiv:2201.07583},
year = {2022}
}
备注
17 pages, 6 figures