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))
# img3 = cv2.resize(img2, (448, 448))
b