基于Convnext-Upernet的图像篡改检测定位模型

胡林辉陈保营谭舜泉李斌

摘要：

在当前数字时代,假新闻、网络勒索等网络犯罪行为愈发猖獗,导致篡改图像产生的负面影响日益凸显.鉴于此,检测与定位篡改图像已成为图像取证领域的关键任务.近年来,深度学习技术在计算机视觉领域取得了显著进展,众多篡改检测模型亦逐渐应用该技术.然而,现有模型大多需要在大量数据上进行预训练,且其鲁棒性和泛化能力相对较弱.为解决上述问题,本研究采用在计算机视觉领域表现优异的纯卷积神经网络模型Convnext作为主干网络,并借助统一感知解析网络Upernet提取图像中的多尺度特征,构建了一种基于Convnext-Upernet的篡改检测定位模型.在此基础上,本研究进一步运用自监督数据增强方法放大图像中的篡改痕迹,并利…展开v

关键词：图像篡改检测定位、深度学习、卷积神经网络、统一感知解析网络、自监督数据增强

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：广东省自然科学基金杰出青年项目;深圳市基础研究项目

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：2225-2239