D-net论文复现部分内容 --关于人工特征融入深度网络的思考。

论文名：D-Unet: A Dual-encoder U-Net for Image SplicingForgery Detection and Localization

arxiv 2020

复现时间 2021/4/24 使用pytorch
这个论文的创新性不高，希望诸君绕过。论文甚至是把图片给写错了。实在是过分。

关于人工特征融入深度网络的思考。

使用某种图像库可以很轻易 的得到人工特征。

但是这个东西是用CPU计算的，而pytorch是拿GPU跑的。
在实现上不是很难，就是注意CPU和Conda。
但是把这玩意从CPU,GPU里面复制来，复制去 的。个人认为电脑会’累‘的，电脑肯定会累的，会跑的很慢。

下面是用这种很笨的方法实现的3重Harr小波。没有效率的方法。

#xioabo.py

#!/usr/bin/env python 
# -*- coding:utf-8 -*-
import numpy as np
import pywt
import cv2
import matplotlib.pyplot as plt
import torch


def xiaob(img):
    img=img.reshape(img.shape[1], img.shape[2],img.shape[3])
    img = img.permute(1, 2, 0)
    img=img.cpu().numpy()  # 把数据集中的tensor转numpy
    # print(type(img2))