典型文献
HRDA-Net:面向真实场景的图像多篡改检测与定位算法
文献摘要：
针对主流篡改数据集单幅图像仅包含一类篡改操作,且对真实图像定位存在"伪影"问题,构建面向真实场景的多篡改数据集(MM Dataset),每幅篡改图像包含拼接和移除2种篡改操作.针对多篡改检测与定位任务,提出端到端的高分辨率扩张卷积注意力网络(HRDA-Net),利用自顶向下扩张卷积注意力(TDDCA)模块融合图像RGB域和SRM域特征.最后,采用混合扩张卷积模块(MDC)分别提取拼接、移除和篡改检测任务特征,实现篡改区域定位和篡改置信度预测.为提高网络训练效率,提出余弦相似度损失函数作为辅助损失.实验结果表明,在MM Dataset下,与主流语义分割方法相比,HRDA-Net具有较优的性能和较强的稳健性;在单篡改数据集CASIA和NIST下,与主流单篡改定位方法相比,HRDA-Net的F1和AUC分数均较优.
文献关键词：
深度学习;多篡改检测与定位;多篡改数据集;余弦相似度损失函数
中图分类号：
作者姓名：
朱叶;余宜林;郭迎春
作者机构：
河北工业大学人工智能与数据科学学院,天津 300401;深圳市媒体信息内容安全重点实验室,广东深圳 518060
文献出处：
引用格式：
[1]朱叶;余宜林;郭迎春-.HRDA-Net:面向真实场景的图像多篡改检测与定位算法)[J].通信学报,2022(01):217-226
A类：
HRDA,多篡改检测与定位,多篡改数据集,TDDCA,余弦相似度损失函数
B类：
Net,真实场景,定位算法,单幅图像,图像定位,伪影,建面,MM,Dataset,每幅,改图,拼接,移除,端到端,卷积注意力,注意力网络,自顶向下,模块融合,融合图像,RGB,SRM,混合扩张卷积,卷积模块,MDC,任务特征,篡改区域定位,改置,置信度,网络训练,训练效率,语义分割,分割方法,CASIA,NIST,篡改定位,定位方法
AB值：
0.293247
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
