System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及基于对比学习改进的图像篡改检测方法。
技术介绍
1、数字图像以其直观传达信息的优势,在诸多领域中成为重要的信息传递载体。然而随着图像处理技术的多样化和图像编辑软件的流行,图像恶意篡改现象越来越普遍,这无疑给数字图像的安全性以及网络环境的净化带来了许多挑战。因此,对于图像篡改检测的研究具有重要的现实意义。
2、当前,主流的基于深度学习的方法进行图像篡改检测时主要依赖于篡改过程中留下的线索,包括视觉痕迹和残余压缩痕迹,再利用卷积神经网络(cnn)的自适应特性自动提取图像特征,对篡改图像进行分类或定位。这种方法训练的模型只针对特定的篡改特征有效,存在一定的局限性。当篡改图像显示出训练之外的其他篡改特征时,模型往往不能做出有效的检测。
3、并且现今由于篡改技术的多样性和不断发展,篡改特征逐渐多样化,因此只依赖于某种特定的篡改特征信息存在一定局限性,只能较好地应用于特定篡改特征在篡改图像中比较突出的场景中。当某些篡改技术有效模拟自然图像的特征,或者是对某个特征进行后处理掩盖,模型就难以准确检测到篡改图像的伪造特征。
技术实现思路
1、为解决上述问题,本专利技术提供基于对比学习改进的图像篡改检测方法,通过提取数据集本身的篡改特征进行学习,并利用全监督对比学习的机制使得模型面对各种篡改手段时都能表现出良好的性能,提高了模型的泛化能力。
2、为实现上述目的,本专利技术提供了基于对比学习改进的图像篡改检测方法,包括以下步骤:
...【技术保护点】
1.基于对比学习改进的图像篡改检测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:在步骤S1中由Pascal VOC中获取;
3.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:步骤S21所述的数据增强包括图像旋转和镜像;
4.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:步骤S3所述的图像篡改检测模型包括改进的DPN模块、多尺度注意力模块、双流注意模块和对比学习模块;
5.根据权利要求4所述的基于对比学习改进的图像篡改检测方法,其特征在于:改进的DPN模块以DPN神经网络为基础架构,其包括依次设置的五个阶段的block模块,每个阶段的block模块输出代表不同时期的特征信息,通过重复利用上述五个阶段的block模块特征信息,实现早期边缘特征的提取;
6.根据权利要求4所述的基于对比学习改进的图像篡改检测方法,其特征在于:多尺度注意力机制模块是基于Dot Product实现的;
7.根据权利要求4所述的基于对比
8.根据权利要求4所述的基于对比学习改进的图像篡改检测方法,其特征在于:在对比学习模块中执行以下步骤:
9.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:在步骤S4中,使用python环境以及PyTorch深度学习框架;并使用SGD作为优化器,其动量设置为0.9,权重衰减设置为0.0005,初始学习率设置为0.001;同时采用学习率衰减策略,设定为每训练10轮学习率衰减为上个轮次的十分之一;且将batch-size的大小设置为32,patch-size大小设置为8;使用经在对比学习模块确定的损失函数;将训练网络模型迭代200个epoch。
10.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:在步骤S5中,将经步骤S4训练好的图像篡改检测模型分别在CASIA数据集和COVER数据集上进行评估验证,选取的验证指标为AUC和F1。
...【技术特征摘要】
1.基于对比学习改进的图像篡改检测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:在步骤s1中由pascal voc中获取;
3.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:步骤s21所述的数据增强包括图像旋转和镜像;
4.根据权利要求1所述的基于对比学习改进的图像篡改检测方法,其特征在于:步骤s3所述的图像篡改检测模型包括改进的dpn模块、多尺度注意力模块、双流注意模块和对比学习模块;
5.根据权利要求4所述的基于对比学习改进的图像篡改检测方法,其特征在于:改进的dpn模块以dpn神经网络为基础架构,其包括依次设置的五个阶段的block模块,每个阶段的block模块输出代表不同时期的特征信息,通过重复利用上述五个阶段的block模块特征信息,实现早期边缘特征的提取;
6.根据权利要求4所述的基于对比学习改进的图像篡改检测方法,其特征在于:多尺度注意力机制模块是基于dot product...
【专利技术属性】
技术研发人员:郭颖,晋洋旗,蔡兴泉,李晋宏,
申请(专利权)人:北方工业大学,
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。