【技术实现步骤摘要】
本专利技术涉及人工智能及计算机视觉的，尤其涉及一种图像篡改区域自动标注方法。
技术介绍
1、数字图像是信息传播的重要媒介，广泛出现在人们的日常生活中。然而，数字图像处理技术的飞速发展使得数字图像越来越容易受到不法分子的篡改，为其进行诈骗、造谣等不法行为提供了机会，为社会安全埋下了隐患。因此社会亟需高性能的数字篡改检测系统以判断数字图像是否被篡改并进行篡改区域定位。
2、传统的篡改检测方法往往鲁棒性和泛化性差，复杂场景下的检出能力较弱，基于深度神经网络的方法检出能力等较好，但对有标注训练数据的依赖很高。对图像进行人工篡改并标注费时费力，成本极高，而合成数据又容易导致模型过拟合，这些阻碍了基于深度神经网络的数字篡改检测方法的应用。社会亟需能够高效针对海量无标注篡改数据进行篡改区域自动标注的系统，以获取大量高质量的数据供篡改检测模型训练。
3、而目前有标注的手工篡改数据数量少，且目前又无能够利用少量有标注手工篡改数据训练准确对大量无标注篡改数据进行篡改区域自动标注的模型。
4、由现有技术文件(safl-ne...
【技术保护点】
1.一种图像篡改区域自动标注方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种图像篡改区域自动标注方法，其特征在于，所述通过自监督学习利用无标注图像训练二分类器，并用其对篡改图像与原图组成的图像对进行分类，包括以下步骤：
3.根据权利要求1所述的一种图像篡改区域自动标注方法，其特征在于，所述构建并训练基于语义去噪图像差的篡改区域标注模型，包括：
4.根据权利要求1所述的一种图像篡改区域自动标注方法，其特征在于，所述基于跨层匹配的篡改区域标注模型结构包括骨干网络、语义增强与跨层匹配模块、解码器；所述语义增强与跨层匹配模块采...
【技术特征摘要】
1.一种图像篡改区域自动标注方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种图像篡改区域自动标注方法，其特征在于，所述通过自监督学习利用无标注图像训练二分类器，并用其对篡改图像与原图组成的图像对进行分类，包括以下步骤：
3.根据权利要求1所述的一种图像篡改区域自动标注方法，其特征在于，所述构建并训练基于语义去噪图像差的篡改区域标注模型，包括：
4.根据权利要求1所述的一种图像篡改区域自动标注方法，其特征在于，所述基于跨层匹配的篡改区域标注模型结构包括骨干网络、语义增强与跨层匹配模块、解码器；所述语义增强与跨层匹配模块采用特征金字塔网络fpn。
5.根据权利要求1所述的一种图像篡改区域自动标注方法，其特征在于，所述训练基于跨层匹配的篡改区域标注模型，包括：
6.根据权利要求2所述的一种图像篡改区域自动标注方法，其特征在于，所述将无标注图...
【专利技术属性】
技术研发人员：金连文，曲晨帆，许桂涛，刘崇宇，郭丰俊，
申请(专利权)人：华南理工大学，
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。