Mask-RCNN模型在图像篡改中的应用

作者：张麒麟; 林清平; 肖蕾^*

来源：信息记录材料, 2021, 22(05): 147-149.

DOI：10.16009/j.cnki.cn13-1295/tq.2021.05.079

• 深度学习
• 篡改检测
• 特征提取
• 双流算法

图像真实性检验在许多领域有着极为重要的应用,现有图像篡改检测方法大多稳定性较差或受图像格式限制,不能满足日益复杂的实际需求。为了进一步提高检测正确率和适用范围,提出了一种基于深度学习(Mask-RCNN)的图像篡改检测方法。Mask-RCNN能够对检测目标进行高效率的辨识,同时精准确定目标边界,但其主要应用于物体识别领域,特征提取更倾向于图像内容方面的特征。为了解决这一问题,引入双流机制来引导本算法提取图像噪声特征和边界像素特征。使用CASIA v2.0中图像对算法进行训练和验证,并使用CASIA v1.0中的图像及其压缩图像进行测试。大量结果表明双流Mask-RCNN具有较高的准确性和鲁棒性。

• 单位
  中国人民解放军空军预警学院