论文中,作者提出了一个用于拼接检测的环形残差网络。此网络是一个端到端的image essence attribute segmentation network,没有额外的预处理或后处理操作。这个RRU-Net的核心思想是强化CNN的学习方式。在此网络中包含residual propagation和residual feedback,residual propagation主要用于解决深度网络中梯度退化问题;residual feedback使篡改区域和非篡改区域的差异对比更加明显。
Motivation:
作者认为传统的基于CNN的方法使用image patch作为网络的输入,可能会丢失掉许多上下文信息,这会造成一些错误的预测。当网络的层数加深时,梯度退化问题会出现而且特征之间的可辨别性会变弱,这也使检测更加困难。
针对上述这些问题,作者提出了一个环形残差U-Net。这是一个端到端的图像分割网络,独立于人类视觉系统,可以直接定位篡改区域。更进一步,该网络通过充分利用contextual spatial information可以有效减少误预测。该网络可