【技术实现步骤摘要】
一种图像检测方法和装置
[0001]本专利技术涉及计算机
，尤其涉及一种图像检测方法和装置。
技术介绍
[0002]在实际应用场景中，不法分子将多张图像的内容合成到一张图像中，改变了图像的原始含义，对用户造成误导。例如，在电商平台中，商家篡改原始图像以吸引消费者。因此，如何检测图像是否被篡改，成为亟待解决的问题。
[0003]现有技术通过边缘检测，识别图像是否被篡改。
[0004]但是，该方法仅关注图像的局部特征，其检测准确度较低。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供一种图像检测方法和装置，能够提高检测准确度。
[0006]第一方面，本专利技术实施例提供了一种图像检测方法，包括：
[0007]获取训练样本；其中，所述训练样本，包括：训练图像、区域标签和边界标签；
[0008]将所述训练图像输入检测模型，得到区域检测结果和边界检测结果；
[0009]根据所述区域标签、所述边界标签、所述区域检测结果和所述边界检测结果，训练所述检测模型；<...
【技术保护点】
【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：获取训练样本；其中，所述训练样本，包括：训练图像、区域标签和边界标签；将所述训练图像输入检测模型，得到区域检测结果和边界检测结果；根据所述区域标签、所述边界标签、所述区域检测结果和所述边界检测结果，训练所述检测模型；基于训练好的所述检测模型，确定检测图像是否被篡改。2.根据权利要求1所述的方法，其特征在于，所述检测模型，包括：特征提取层、区域检测层和边界检测层；所述将训练图像输入检测模型，得到区域检测结果和边界检测结果，包括：将所述训练图像输入所述特征提取层，以从所述训练图像中提取出高阶特征图和低阶特征图；将所述高阶特征图和所述低阶特征图输入所述区域检测层，得到所述区域检测结果；将所述高阶特征图和所述低阶特征图输入所述边界检测层，得到所述边界检测结果。3.根据权利要求2所述的方法，其特征在于，所述将所述训练图像输入所述特征提取层，以从所述训练图像中提取出高阶特征图和低阶特征图，包括：将所述训练图像输入主干网络，得到所述低阶特征图和第一特征图；基于多尺度网络从所述第一特征图中提取多尺度特征，得到多个第二特征图；将所述多个第二特征图拼接后输入第一卷积层，得到所述高阶特征图；其中，所述主干网络包括：第一多通道卷积层和深度可分离卷积层；所述第一卷积层为1
×
1卷积层。4.根据权利要求3所述的方法，其特征在于，所述多尺度网络包括：空洞卷积层、第二卷积层和池化层；其中，所述第二卷积层为1
×
1卷积层。5.根据权利要求2所述的方法，其特征在于，所述区域检测层，包括：第一特征融合层、区域异常分析层和第一结果输出层；所述将所述高阶特征图和所述低阶特征图输入所述区域检测层，得到所述区域检测结果，包括：将所述高阶特征图和所述低阶特征图输入所述第一特征融合层，得到第三特征图；根据所述第三特征图和所述区域异常分析层，确定第四特征图；其中，所述第四特征图用于表征所述第三特征图中篡改区域与背景区域的像素值差异；将所述第四特征图输入所述第一结果输出层，得到所述区域检测结果。6.根据权利要求5所述的方法，其特征在于，所述将所述高阶特征图和所述低阶特征图输入所述第一特征融合层，得到第三特征图，包括：将所述低阶特征图输入第三卷积层，得到第五特征图；对所述高阶特征图进行上采样，得到第六特征图；将所述第五特征图和所述第六特征图拼接后输入第二多通道卷积层，得到所述第三特征图；
其中，所述第三卷积层为1
×
1卷积层。7.根据权利要求5所述的方法，其特征在于，所述根据所述第三特征图和所述区域异常分析层，确定第四特征图，包括：根据所述第三特征图中各个像素坐标的像素值，计算所述第三特征图的平均像素值；确定各个所述像素坐标的像素值与所述平均像素值的差；根据各个所述像素坐标的像素值与所述平均像素值的差，计算所述第三特征图的像素值标准差；根据所述像素值标准差、各个所述像素坐标的像素值与所述平均像素值的差，计算各个所述像素坐标的标准化像素值；根据各个所述像素坐标的标准化像素值，确定所述第四特征图。8.根据权利要求5
‑
7任一所述的方法，其特征在于，所述将所述第四特征图输入所述第一结果输出层，得到所述区域检测结果，包括：将所述第四特征图输入第四卷积层，得到第七特征图；对所述第七特征图进行上采样，得到第八特征图；将所述第八特征图输入激活函数，得到所述区域检测结果；其中，所述第四卷积层为1
×
1...
【专利技术属性】
技术研发人员：周安涛，赵鑫，李源，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。