MissMarple：一种用于图像拼接检测的受社会启发的特征迁移学习深度网络
计算机视觉与模式识别
2021-12-16 v1 密码学与安全
机器学习
摘要
在本文中，我们提出了一种新颖的受社会启发的卷积神经网络（CNN）深度学习模型用于图像拼接检测。基于从粗拼接图像区域的检测中学习可改善视觉上不可感知的精细拼接图像伪造检测的前提，所提出的模型称为 MissMarple，是一个涉及特征迁移学习的孪生 CNN 网络。使用基准数据集（如 Columbia splicing、WildWeb、DSO1 以及我们提出的名为 AbhAS 的包含真实拼接伪造的数据集）对模型进行训练和测试所获得的结果表明，相较于现有深度学习模型，检测精度有所提升。
引用
@article{arxiv.2112.08018,
title = {MissMarple : A Novel Socio-inspired Feature-transfer Learning Deep Network for Image Splicing Detection},
author = {Angelina L. Gokhale and Dhanya Pramod and Sudeep D. Thepade and Ravi Kulkarni},
journal= {arXiv preprint arXiv:2112.08018},
year = {2021}
}
备注
27 pages, 6 figures and 15 tables