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】
本专利技术涉及计算机技术,尤其涉及一种篡改检测方法、装置、存储介质及电子设备。
技术介绍
1、近年来,随着互联网的高速发展,人们可以通过线上办理各种事务以及线上进行相关证件的校验。
2、证件篡改检测是线上证件校验过程中保证证件安全、防止个人信息泄露的关键检测环节,相关技术中,证件篡改检测可基于深层学习的神经网络模型实现。证件篡改检测的准确性对线上证件校验的安全性有着直接关联,为实现更高水准安全性的线上证件校验,提升证件篡改检测的准确性势在必行。
技术实现思路
1、本说明书实施例提供一种篡改检测方法,该方法通过提取篡改边缘信息,利用篡改边缘信息为引导,结合待检测图像的图像特征进行篡改检测,可以提升篡改检测准确性,所述方法包括:
2、对待检测图像进行特征提取处理,得到与所述待检测图像对应的第一特征图;
3、基于所述第一特征图进行篡改边缘信息提取处理,得到所述待检测图像对应的篡改边缘特征图;
4、基于所述第一特征图和所述篡改边缘特征图融合生成第二特征图;
5、基于所述第二特征图进行篡改检测,得到包含预测篡改区域的篡改检测图像。
6、进一步地,在一些实施方式中,所述对所述待检测图像进行特征提取处理之前,还包括:
7、获取所述待检测图像对应的模板图像;
8、对所述模板图像和所述待检测图像进行图像差异比较,得到包含图像差异特征的差异图像;
9、所述对所述待检测图像进行特征提取处理,得到与
10、对所述差异图像进行特征提取处理,得到与所述待检测图像对应的第一特征图。
11、进一步地,在一些实施方式中,所述对所述待检测图像进行特征提取处理,得到与所述待检测图像对应的第一特征图,包括:
12、对所述待检测图像进行特征提取处理,得到与所述待检测图像对应的不同尺度大小的第一特征图;
13、所述基于所述第一特征图进行篡改边缘信息提取处理,得到所述待检测图像对应的篡改边缘特征图,包括:
14、在各所述第一特征图中选择至少两个第一特征图进行特征融合处理,得到第三特征图;
15、对所述第三特征图进行篡改边缘信息提取处理,得到所述篡改边缘特征图。
16、进一步地,在一些实施方式中,所述基于所述第一特征图和所述篡改边缘特征图融合生成第二特征图,包括:
17、将所述篡改边缘特征图和不同尺度的各所述第一特征图分别进行特征融合处理,得到与各所述第一特征图分别对应的第四特征图;
18、基于各所述第四特征图进行跨尺度交互学习,生成包含多尺度上下文特征的第二特征图。
19、进一步地,在一些实施方式中,所述将所述篡改边缘特征图和不同尺度的各所述第一特征图分别进行特征融合处理,得到与各所述第一特征图分别对应的第四特征图,包括:
20、将所述篡改边缘特征图和所述第一特征图进行融合处理,得到第一融合特征图;
21、对所述第一融合特征图进行全局平均池化,得到所述第一融合特征图中各特征通道分别对应的聚合卷积特征;
22、基于所述各特征通道分别对应的聚合卷积特征生成各特征通道分别对应的通道注意力权重;
23、基于所述各特征通道分别对应的通道注意力权重对所述第一融合特征图进行加权,得到与所述第一特征图对应的第四特征图。
24、进一步的,在一些实施方式中,各所述第四特征图包括第一尺度特征图和第二尺度特征图,所述基于各所述第四特征图进行跨尺度交互学习,生成包含多尺度上下文特征的第二特征图,包括:
25、将所述第一尺度特征图和所述第二尺度特征图进行融合处理,得到第二融合特征图;
26、将所述第二融合特征图沿通道维度拆分为预设数量的通道维度特征图;
27、对各所述通道维度特征图进行跨尺度交互学习,生成包含多尺度上下文特征的第二特征图。
28、本说明书实施例还提供一种篡改检测模型训练方法,方法包括:
29、获取样本待检测图像、所述样本待检测图像对应的篡改边缘图像和篡改区域图像;
30、基于所述篡改检测模型中的特征提取网络对所述样本待检测图像进行特征提取处理,得到与所述样本待检测图像对应的样本第一特征图;
31、基于所述篡改检测模型中的边缘感知网络对样本第一特征图进行篡改边缘信息提取处理,得到所述样本待检测图像对应的样本篡改边缘特征图;
32、基于所述篡改检测模型中的边缘引导网络对所述样本第一特征图和所述样本篡改边缘特征图进行融合处理,生成样本第二特征图;
33、基于所述篡改检测模型中的篡改检测网络对所述样本第二特征图进行篡改检测,得到包含预测篡改区域的样本篡改检测图像;
34、以所述篡改边缘图像和所述样本篡改边缘特征图的差异最小化和所述篡改区域图像和所述样本篡改检测图像的差异最小化为优化目标,调整所述篡改检测模型的模型参数。
35、本说明书实施例还提出了一种篡改检测装置,包括:
36、第一特征提取模块,用于对待检测图像进行特征提取处理,得到与所述待检测图像对应的第一特征图;
37、第一边缘提取模块,用于基于所述第一特征图进行篡改边缘信息提取处理,得到所述待检测图像对应的篡改边缘特征图;
38、第一边缘引导模块,用于基于所述第一特征图和所述篡改边缘特征图融合生成第二特征图;
39、第一篡改检测模块,用于基于所述第二特征图进行篡改检测,得到包含预测篡改区域的篡改检测图像。
40、本说明书实施例还提供一种篡改检测模型训练装置,包括:
41、训练样本获取模块,用于获取样本待检测图像、所述样本待检测图像对应的篡改边缘图像和篡改区域图像;
42、第二特征提取模块,用于基于所述篡改检测模型中的特征提取网络对所述样本待检测图像进行特征提取处理,得到与所述样本待检测图像对应的样本第一特征图;
43、第二边缘提取模块,用于基于所述篡改检测模型中的边缘感知网络对样本第一特征图进行篡改边缘信息提取处理,得到所述样本待检测图像对应的样本篡改边缘特征图;
44、第二边缘引导模块,用于基于所述篡改检测模型中的边缘引导网络对所述样本第一特征图和所述样本篡改边缘特征图进行融合处理,生成样本第二特征图;
45、第二篡改检测模块,用于基于所述篡改检测模型中的篡改检测网络对所述样本第二特征图进行篡改检测,得到包含预测篡改区域的样本篡改检测图像;
46、模型参数调整模块,用于以所述篡改边缘图像和所述样本篡改边缘特征图的差异最小化和所述篡改区域图像和所述样本篡改检测图像的差异最小化为优化目标,调整所述篡改检测模型的模型参数。
47、本说明书实施例还提供一种计算机程序产品,所述计算机程序产品存储有至少一条指令,所述至少一条指令适于由处理器本文档来自技高网...
【技术保护点】
1.一种篡改检测方法,所述方法包括:
2.根据权利要求1所述的方法,所述对所述待检测图像进行特征提取处理之前,还包括:
3.根据权利要求1所述的方法,所述对所述待检测图像进行特征提取处理,得到与所述待检测图像对应的第一特征图,包括:
4.根据权利要求3所述的方法,所述基于所述第一特征图和所述篡改边缘特征图融合生成第二特征图,包括:
5.根据权利要求4所述的方法,所述将所述篡改边缘特征图和不同尺度的各所述第一特征图分别进行特征融合处理,得到与各所述第一特征图分别对应的第四特征图,包括:
6.根据权利要求4所述的方法,各所述第四特征图包括第一尺度特征图和第二尺度特征图,所述基于各所述第四特征图进行跨尺度交互学习,生成包含多尺度上下文特征的第二特征图,包括:
7.一种篡改检测模型训练方法,包括:
8.一种篡改检测装置,包括:
9.一种篡改检测模型训练装置,包括:
10.一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1~6或7中任意一项所述方法的步骤。
11.一种电子设备,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~6或7中任意一项所述方法的步骤。
12.一种计算机程序产品,其上存储有至少一条指令,所述至少一条指令被处理器执行时实现权利要求1~6或7中任意一项所述方法的步骤。
...【技术特征摘要】
1.一种篡改检测方法,所述方法包括:
2.根据权利要求1所述的方法,所述对所述待检测图像进行特征提取处理之前,还包括:
3.根据权利要求1所述的方法,所述对所述待检测图像进行特征提取处理,得到与所述待检测图像对应的第一特征图,包括:
4.根据权利要求3所述的方法,所述基于所述第一特征图和所述篡改边缘特征图融合生成第二特征图,包括:
5.根据权利要求4所述的方法,所述将所述篡改边缘特征图和不同尺度的各所述第一特征图分别进行特征融合处理,得到与各所述第一特征图分别对应的第四特征图,包括:
6.根据权利要求4所述的方法,各所述第四特征图包括第一尺度特征图和第二尺度特征图,所述基于各所述第四特征图...
【专利技术属性】
技术研发人员:赵诗云,
申请(专利权)人:支付宝杭州信息技术有限公司,
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。