基于多尺度卷积神经网络的图像伪造定位
计算机视觉与模式识别
2018-12-26 v4 多媒体
摘要
本文提出利用卷积神经网络（CNN）与基于分割的多尺度分析来定位数字图像中的篡改区域。首先，设计了一种统一的CNN架构以处理不同尺度的颜色输入滑动窗口。然后，精心设计了CNN在采样图像块上的训练过程。基于一组鲁棒的CNN多尺度篡改检测器，可以生成互补的篡改概率图。最后，提出了一种基于分割的方法来融合这些概率图并生成最终的决策图。通过利用小尺度和大尺度分析的优势，基于分割的多尺度分析能够使CNN在伪造定位上的性能产生飞跃。进行了大量实验以证明该方法的有效性和高效性。
引用
@article{arxiv.1706.07842,
title = {Image Forgery Localization Based on Multi-Scale Convolutional Neural Networks},
author = {Yaqi Liu and Qingxiao Guan and Xianfeng Zhao and Yun Cao},
journal= {arXiv preprint arXiv:1706.07842},
year = {2018}
}
备注
7 pages, 6 figures