基于改进CenterNet的图像多篡改检测模型

作者：夏涛^*; 黄俊; 徐太秀

来源：电讯技术, 2023, 63(08): 1228-1236.

DOI：10.20079/j.issn.1001-893x.220607001

• 数字图像
• 图像多篡改检测
• CenterNet
• 注意力机制
• 损失函数

针对目前的图像篡改数据集中缺少同时包含多种篡改操作的单张图像的问题，构建了包含多种图像篡改手段的综合数据集(MTO Dataset),每张图片包含复制移动、拼接和移除中的2种或3种篡改操作。针对多篡改检测，提出了一种基于改进CenterNet的图像多篡改检测模型，将RGB图像和经过隐写分析得到的噪声特征图作为特征提取网络的输入，在特征提取网络ResNet-50的每一层卷积前加入门控通道注意力转换单元以促进特征通道间关系。为得到更具辨别性的特征，通过改进后的注意力机制自适应学习并调节特征权重，最后使用改进的损失函数优化边框预测的准确度。实验结果证明，与当前先进模型DETR、EfficientDet和VarifocalNet相比，该模型的F1分数提升0.4%～7.4%,检测速率提高1.32～3.06倍。

• 单位
  重庆邮电大学; 通信与信息工程学院