一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于U型网络的文本篡改检测方法、装置以及设备


[0001]本专利技术涉及图像处理
，尤其涉及一种基于
U
型网络的文本篡改检测方法
、
装置以及设备
。

技术介绍

[0002]随着图像处理技术的低门槛发展，对票据凭证等文本类数字图像通过肉眼无法察觉到的篡改编辑已经变得非常简单，通过实际调研可知，银行行业内普遍存在文本类图像篡改，如贷后走访后客户经理上传的票据凭证被篡改
。
由于文本包含重要信息，文本中的语句或数字的变化都将扭曲整个语义信息
。
因此，防止文本类图像被篡改尤为重要
。
[0003]由于篡改手段的多样性
、
篡改文本的隐蔽性，文本篡改检测目前存在众多难点，近年来，图像取证受到了学术界与工业界的广泛关注，但大多数研究都集中于自然场景类图像，如被篡改的是汽车或人物等，而由于文本类图像篡改区域可以很小
、
篡改区域隐蔽性更强等特点，对文本类图像篡改检测更具有难度
。
目前对文本类图像的篡改检测存在局限性，主要体现在采用卷积神经网络的模型只能提取到感受野内部像素之间的关系，缺少全局特征信息，导致篡改识别不准确
。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提出一种基于
U
型网络的文本篡改检测方法
、
装置以及设备，旨在解决现有的关于篡改文本图像的识别精度低等问题
。
[0005]为实现上述目的，本专利技术提供一种基于
U
型网络的文本篡改检测方法，所述方法包括：
[0006]获取待检测文本图像，并对所述待检测文本图像进行尺寸调整；
[0007]通过预训练完成的检测模型对调整后的所述待检测文本图像进行检测，得到预测掩码图，其中，所述检测模型通过所构建的
U
型网络以及基于预设的损失函数进行训练得到；
[0008]根据所述预测掩码图确定所述待检测文本图像的文本篡改区域
。
[0009]优选的，所述
U
型网络的网络结构包括编码模块，所述编码模块包括全局特征提取模块以及局部特征提取模块；其中，
[0010]通过所述全局特征提取模块对所述待检测文本图像进行全局特征编码，得到第一分支特征图；
[0011]通过所述局部特征提取模块对所述待检测文本图像进行局部特征编码，得到第二分支特征图
。
[0012]优选的，所述全局特征提取模块的网络结构包括
Dualtransformer
层以及
PatchMerging
层；所述通过所述全局特征提取模块对所述待检测文本图像进行全局特征编码，包括：
[0013]对所述待检测文本图像进行重叠分片编码，将得到的特征图输入至所述全局特征
提取模块中的
Dualtransformer
层以及
PatchMerging
层进行特征提取和下采样操作
。
[0014]优选的，所述
U
型网络的网络结构还包括过渡连接模块；通过所述过渡连接模块将所述第一分支特征图以及所述第二分支特征图进行特征拼接，得到融合特征图
。
[0015]优选的，所述
U
型网络的网络结构还包括解码模块；通过所述解码模块对所述融合特征图进行特征解码，得到分类预测结果
。
[0016]优选的，所述解码模块的网络结构包括
Dual transformer
层以及
Patch Expanding
层；所述通过所述解码模块对所述融合特征图进行特征解码，包括：
[0017]通过所述解码模块中的
Dualtransformer
层对所述融合特征图进行特征优化后，将得到的特征图输入至所述解码模块中的
PatchExpanding
层进行上采样操作
。
[0018]优选的，所述损失函数为
Loss
＝
0.6L
dice
+0.4L
ce
；其中，
[0019]L
ce
＝
‑
∑
i∈I
||m
i
log(p
i
)+(1
‑
m
i
)log(1
‑
p
i
)||1，式中
p
i
表示样本
i
预测为正类的概率，
m
i
表示样本
i
的真值；
[0020]式中
y
i
和分别表示像素
i
的标签值和预测值，
N
表示像素点总个数
。
[0021]为实现上述目的，本专利技术还提供一种基于
U
型网络的文本篡改检测装置，所述装置包括：
[0022]获取单元，用于获取待检测文本图像，并对所述待检测文本图像进行尺寸调整；
[0023]检测单元，用于通过预训练完成的检测模型对调整后的所述待检测文本图像进行检测，得到预测掩码图，其中，所述检测模型通过所构建的
U
型网络以及基于预设的损失函数进行训练得到；
[0024]确定单元，用于根据所述预测掩码图确定所述待检测文本图像的文本篡改区域
。
[0025]为了实现上述目的，本专利技术还提出一种设备，包括处理器
、
存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如上述实施例所述的一种基于
U
型网络的文本篡改检测方法的步骤
。
[0026]为了实现上述目的，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如上述实施例所述的一种基于
U
型网络的文本篡改检测方法的步骤
。
[0027]有益效果：
[0028]以上方案，通过包括
U
型网络所构建的检测模型是基于图像像素级的分类，能够对输入的待检测文本图像进行更小区域的篡改特征的识别，大大提高识别的效率和精度
。
[0029]以上方案，通过全局特征提取模块以及局部特征提取模块能够同时捕获画面全局与局部信息，具有较强的处理文本图像前后文序列数据的能力，提升对篡改区域识别的准确率
。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
U
型网络的文本篡改检测方法，其特征在于，所述方法包括：获取待检测文本图像，并对所述待检测文本图像进行尺寸调整；通过预训练完成的检测模型对调整后的所述待检测文本图像进行检测，得到预测掩码图，其中，所述检测模型通过所构建的
U
型网络以及基于预设的损失函数进行训练得到；根据所述预测掩码图确定所述待检测文本图像的文本篡改区域
。2.
根据权利要求1所述的一种基于
U
型网络的文本篡改检测方法，其特征在于，所述
U
型网络的网络结构包括编码模块，所述编码模块包括全局特征提取模块以及局部特征提取模块；其中，通过所述全局特征提取模块对所述待检测文本图像进行全局特征编码，得到第一分支特征图；通过所述局部特征提取模块对所述待检测文本图像进行局部特征编码，得到第二分支特征图
。3.
根据权利要求2所述的一种基于
U
型网络的文本篡改检测方法，其特征在于，所述全局特征提取模块的网络结构包括
Dualtransformer
层以及
PatchMerging
层；所述通过所述全局特征提取模块对所述待检测文本图像进行全局特征编码，包括：对所述待检测文本图像进行重叠分片编码，将得到的特征图输入至所述全局特征提取模块中的
Dualtransformer
层以及
PatchMerging
层进行特征提取和下采样操作
。4.
根据权利要求2所述的一种基于
U
型网络的文本篡改检测方法，其特征在于，所述
U
型网络的网络结构还包括过渡连接模块；通过所述过渡连接模块将所述第一分支特征图以及所述第二分支特征图进行特征拼接，得到融合特征图
。5.
根据权利要求4所述的一种基于
U
型网络的文本篡改检测方法，其特征在于，所述
U
型网络的网络结构还包括解码模块；通过所述解码模块对所述融合特征图进行特征解码，得到分类预测结果
。6.
根据权利要求5所述的一种基于
U
型网络的文本篡改检测方法，其特征在于，所述解码模块的网络结构包括
Dualtransformer
层以及
Patch Expanding
层；所述通过所述解码模块对所述...

【专利技术属性】
技术研发人员：晏榕，张志远，洪镇宇，
申请(专利权)人：厦门国际银行股份有限公司，
类型：发明
国别省市：