torch
文章平均质量分 65
brightendavid
啥都会,啥都想学
展开
-
Operation-wise Attention Network for Tampering Localization Fusion
2021 arXiv选取5种篡改检测方法做了一个加权的网络,来联合使用5种方法得出的预测图。这个网络真的做的简单。RGB->5个特征+5个权重->RGB?但是最后的输出是不是应该的单通道的H*W的mask图。总觉得这种方法有点耍赖。但是篡改检测的最终方向一定是类似这种方法,把所有的线索都进行考虑,然后对不仅要由所有的线索推断篡改痕迹,所有的线索之间的联系做一个相关,不相关的线索认为是造假的(欺骗检测方法的),最后综合的判断篡改的像素。这5种方法使用的线索是jpg压缩线索,图像的噪声原创 2021-08-07 09:53:07 · 457 阅读 · 4 评论 -
CAT-Net: Compression Artifact Tracing Network for Detection and Localization of Image Splicing
图像篡改检测的定位分为三类: 基于块的检测 ,补丁检测,和像素级的检测视觉线索和压缩伪影:可以作为两个依据来判定图像的篡改视觉线索即像素之间的关系。对于单纯把视觉线索作为网络检测标准的网络,把复制粘贴到纯色背景的情况是绝对检测不出来的。在表格篡改和标语篡改中,这种情况还是很常见的。而压缩伪影:特指Jpg压缩所用的DCT矩阵,一般还是识别jpg双压缩线索比较常见。ELA之类的。池化:研究表明不适合图像的篡改检测,强化图像的内容,抑制噪声信号。池化可能在cv的其他领域的效果不错,但是在图像篡改检测邻域,原创 2021-08-06 18:49:26 · 1355 阅读 · 7 评论 -
PSCC-Net: Progressive Spatio-Channel Correlation Network for Image Manipulation Detection and Locali
arXiv 2021 Mar图像的篡改检测分为隐式检测和显式检测隐式检测 说明了图像整体篡改的概率显式检测 说明逐像素篡改的概率即判定一张图片是否经过篡改 和 像素级别的定位篡改近年来的算法太过于关注像素级的定位,而忽略了图片整体的篡改概率。但是就信息量而言,定位的信息已经包括了图片整体的篡改概率了。比如说,要说明一个人是坏人,首先要说明他干了什么坏事才对。指出人干了什么坏事,说明是坏人一般的图像篡改检测算法输出的Pred 不是一个二值化的分类mask图像,而是在0-255原创 2021-07-31 14:23:53 · 1620 阅读 · 2 评论 -
Multi-task Fully Convolutional Network (MFCN)和single-task FCN(SFCN)
Image Splicing Localization Using A Multi-Task Fully Convolutional Network (MFCN)多任务的全卷积网络篡改检测问题旧有的区域检测网络可以提供篡改区域的掩膜,但是对于篡改区域与原图的边缘往往是区分的很粗糙的。但是若是篡改边缘的检测,那么对于篡改边缘的预测想必会好一些。但是篡改边缘的问题也十分的明显,篡改边缘是极其容易被掩盖的。甚至如今PS就自带了类似边缘模糊的功能。如下图是通过PS自动套索工具产生的一个特定无意义区域.原创 2021-07-29 15:40:48 · 1106 阅读 · 0 评论 -
ManTra-Net: Manipulation Tracing Network For Detection And Localization of Image Forgeries With Anom
重点主要贡献(1)ZPool2D DNN层,以Z-score方式标准化了局部特征与其参考之间的差异;(2)从远到近的分析,该分析对从不同分辨率汇集的ZPool2D特征图执行Conv2DLSTM顺序分析。ZPool2D计算经过 ZPool2D计算,获得的是多个的batch 块Timeconcat结构 input_lstm = torch.cat( [zpool7.unsqueeze(0), zpool15.unsqueeze(0), zpool31.unsquee.原创 2021-07-18 15:07:05 · 521 阅读 · 0 评论 -
Identification of splicing edges in tampered image based on Dichromatic Reflection Model
二色反射模型划分边缘的类型为5类的边缘:对象边缘、反射率边缘、阴影边缘、镜面边缘遮挡边缘(按照几何和光度条件划分使用两个色彩空间 o1o2 和 S两个色彩空间对自然边缘和篡改边缘的敏感度是不一样的求边缘使用拉普拉斯滤波器,O1O2通道使用联合梯度阈值设定为标准差*3当O1O2中检测出边缘而S未检测出边缘时,判定为篡改边缘...原创 2021-07-16 10:58:54 · 196 阅读 · 0 评论 -
Hybrid LSTM and Encoder-Decoder Architecture for Detection of Image Forgeries运行测试
1原创 2021-07-10 09:06:36 · 675 阅读 · 8 评论 -
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 Localizationarxiv 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。#dataloader.py#!/usr/bin/env python # -*- coding:utf-8 -*-from torch.utils.data impo.原创 2021-05-01 23:31:31 · 791 阅读 · 2 评论