用于相机模型识别与图像篡改检测的 L2 约束 RemNet
图像与视频处理
2020-09-15 v2 信号处理
摘要
源相机模型识别（CMI）与图像篡改检测在图像取证中至关重要。本文提出一种 L2 约束残差卷积神经网络（L2-constrained RemNet）来执行这两项关键任务。所提网络结构由一个动态预处理块和一个分类块组成。对预处理块的输出施加 L2 损失，并基于分类块的输出计算分类交叉熵损失。整个网络通过最小化由 L2 损失与分类交叉熵损失组合而成的总损失以端到端方式训练。在 L2 损失的辅助下，数据自适应预处理器学习抑制不必要的图像内容，并协助分类块提取鲁棒的图像取证特征。我们在 Dresden 数据库上训练并测试该网络，取得了 98.15% 的总体准确率，其中所有测试图像均来自训练时未使用的设备与场景，以复现实际应用。即便图像被篡改，该网络也优于其他 SOTA CNN。此外，我们在图像篡改检测中达到了 99.68% 的总体准确率，这意味着它可用作图像取证任务的通用网络。
引用
@article{arxiv.2009.05379,
title = {L2-Constrained RemNet for Camera Model Identification and Image Manipulation Detection},
author = {Abdul Muntakim Rafi and Jonathan Wu and Md. Kamrul Hasan},
journal= {arXiv preprint arXiv:2009.05379},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1902.00694