基于深度学习与反例分析的重采样伪造检测
计算机视觉与模式识别
2018-03-06 v1
摘要
近来记录的数字图像数量呈指数增长，且随着 Photoshop 或 Gimp 等软件的发展，图像篡改变得更加容易。然而，互联网上大多数图像并未被篡改，任何自动化的篡改检测算法都必须谨慎控制误报率。本文讨论一种利用深度学习自动检测局部重采样，同时通过 a-contrario 分析控制误报率的方法。该自动化流程包含三个主要步骤。首先，计算图像块的重采样特征。随后使用深度学习分类器生成热图以指示图像块是否被重采样。我们预期其中部分块会被误判为重采样。我们利用 a-contrario 假设检验来同时判断被篡改块的图案是否表明图像遭到篡改，并对篡改进行定位。我们证明该策略在指示图像是否被篡改及定位篡改方面是有效的。
引用
@article{arxiv.1803.01711,
title = {Resampling Forgery Detection Using Deep Learning and A-Contrario Analysis},
author = {Arjuna Flenner and Lawrence Peterson and Jason Bunk and Tajuddin Manhar Mohammed and Lakshmanan Nataraj and B. S. Manjunath},
journal= {arXiv preprint arXiv:1803.01711},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1802.03154