- 博客(15)
- 收藏
- 关注
RSS订阅原创 绘制ROC曲线
前提条件：预训练好的模型和二分类的数据集（代码中的casia1_t就是数据集，最好和预训练模型使用的数据集同源，casia1下有两个文件夹authentic和tampered，代表两个类别）。注意label_mapping = {‘authentic’: 1, ‘tampered’: 0}这和预训练时的分类标签要一样。
2023-10-11 17:34:47
189
1
原创 将torch.size([a, b, c])变成torch.size([a, b])
【代码】将torch.size([a, b, c])变成torch.size([a, b])
2023-09-22 21:23:44
197
1
原创 trimap是什么
它是一个用于标记图像中每个像素属于前景、背景还是不确定区域的二值图像，通常由三个不同的值构成，因此称为 “trimap”。Trimap 的主要目的是为了帮助算法识别图像中前景和背景之间的边界，以便进行分割、修复或编辑操作。总之，Trimap 是一个重要的辅助工具，用于指导图像处理和分割算法的操作，以使它们更好地理解图像中不同区域的关系。Trimap 的创建可以是手动的，也可以是基于图像分割或交互式工具生成的。在背景替换任务中，Trimap 可以帮助识别前景对象的边界，以实现精确的背景替换。
2023-09-20 10:57:30
749
1
原创 Rectified Conv Feature Map是什么
Rectified Conv Feature Map” 通常是指在卷积神经网络（Convolutional Neural Network，CNN）中经过修正线性单元（Rectified Linear Unit，ReLU）激活函数后的卷积特征映射。结果是，特征映射中的每个像素值都将变为非负数，这有助于提高网络的稀疏性和非线性表示能力。修正的卷积特征映射通常在深度学习任务中用于图像分类、物体检测、图像分割等任务中，因为它们在保留有用信息的同时引入了非线性性质，有助于网络更好地捕获图像中的模式和特征。
2023-09-20 10:56:57
142
2
原创 图像篡改-removal与inpainting的关系
图像修复算法的选择通常取决于任务的性质、图像的特点以及所需的修复质量。具体的 Inpainting 算法可以根据其实现和工作原理的不同而分类，但总体来说，Inpainting 是图像修复领域的一部分，其目标是生成具有高质量修复的图像，使修复的区域与周围的图像内容协调一致。4、基于字典的方法： 这些算法使用字典学习技术来分析图像中的字典（如小图像块），然后使用字典中的元素来填充缺失区域。如下图所示，第一张图片是未经篡改的原始图像，第二张是损坏了部分区域，需要进行修复的图像，第三张是用修复算法修复后的图像。
2023-09-20 10:01:33
294
1
原创 图像篡改检测的Interpretability是什么
图像篡改检测的可解释性（Interpretability）是指该任务中的算法或模型能够提供对检测结果的解释或理解，以帮助用户理解为什么某个图像被分类为篡改或非篡改，以及哪些图像区域可能受到篡改的影响。总之，图像篡改检测的可解释性有助于提高模型的可信度和可用性，同时也有助于用户更好地理解和信任模型的决策。1.决策解释： 可解释性可以涉及解释模型的决策过程。2.局部解释： 对于检测到的篡改区域，可解释性可以帮助用户了解模型检测到的是哪些区域，并可能显示被认为存在篡改痕迹的具体图像区域。
2023-09-18 15:35:40
78
1
原创 图像篡改检测有哪几种
在修复涂鸦伪造中，图像的一部分被编辑或删除，然后通过修复或填充操作来掩盖篡改痕迹，通常是针对图像的局部区域进行的。修复涂鸦伪造涉及了对图像的部分编辑，以欺骗观察者，使其认为图像是原始、未篡改的。检测算法尝试检测修复痕迹。检测算法试图找出不同源图像的痕迹，以检测图像中的拼接。Watermark Forgery Detection（水印伪造检测）： 这种类型的篡改涉及去除或修改图像中的水印，以伪装图像的来源或权益。总之，修复涂鸦伪造检测是图像局部篡改检测的一种子任务，它专注于检测和定位图像中被修复的局部区域。
2023-09-18 14:42:30
1066
原创 图像篡改检测中Inpainting forgery
然后，为了掩盖篡改，篡改者会使用图像修复算法，填充修改后的区域，使其看起来与周围的图像内容一致。这有助于揭示图像中存在的修复伪造，并提高图像的真实性和可信度。这种类型的篡改可能用于伪造、隐瞒或篡改图像中的敏感信息，因此在图像检测领域，检测和识别Inpainting Forgery是一项重要的任务。图像篡改检测中的"Inpainting Forgery"（修复涂鸦篡改）是一种常见的篡改类型，它指的是图像中的某些部分被编辑、删除或替换后，通过修复或填充操作来掩盖篡改痕迹，使图像看起来没有被篡改。
2023-09-18 14:36:15
108
原创 图像篡改检测任务：语义多样性是指什么
在进行图像篡改检测时，检测算法通常会寻找这种语义多样性的迹象，以识别图像中的潜在篡改。这可能涉及到对图像的分析，包括检测不一致的语义内容、寻找合成边界或检测隐藏的篡改。通常，检测算法会寻找重复的图像区域或在图像中查找相似的语义内容，以识别图像中的潜在篡改。1、在图像篡改检测中，语义多样性（Semantic Diversity）是指篡改图像中可能存在不同语义内容或对象的情况。2、在图像篡改检测中，针对一张copy-move（复制移动）类型的篡改图像，语义多样性指的是篡改图像中可能存在相似或相同的语义内容。
2023-09-14 17:15:50
61
1
原创 torch.manual_seed(0)
在深度学习中，训练过程中的随机化（例如权重初始化、数据采样等）可能会影响模型的性能和结果。因此，在进行实验时，通过设置种子可以确保每次运行代码时都使用相同的随机数序列，从而使结果可重现。是 PyTorch 中的函数调用，用于设置随机数生成器的种子。通过指定种子值，我们可以确保每次运行代码时生成的随机数序列是相同的，这样有助于保持实验的可复现性。只会对使用了 PyTorch 内置的随机数生成器的部分产生影响，有些库可能使用了自己的随机数生成器，不受该函数调用的影响。
2023-07-31 12:03:58
483
1
原创 append与extend的区别
append和extend是Python中用于添加元素到列表（List）的两种方法，它们有以下区别：1.append方法：2.extend方法：示例：my_list = [1, 2, 3]my_list.append(4)print(my_list) # 输出：[1, 2, 3, 4]my_list = [1, 2, 3]my_list.append([4, 5, 6])print(my_list) #输出：[1, 2, 3, [4, 5, 6]]my_list = [1, 2, 3]my
2023-07-31 12:00:28
1853
1
原创 PyCharm控制台输入import torch报错：ModuleNotFoundError: No module named ‘torch‘解决方法
进入Anaconda Prompt界面，输入conda activate pytorch，然后回Pycharm控制台输入import torch就不会报错啦。PyCharm控制台输入import torch报错：ModuleNotFoundError: No module named 'torch’解决方法。原因是没有打开pytorch环境。
2023-05-21 20:49:11
4465
2
原创 2021-06-26
计算机组成原理进制问题如果某系统15*4=112成立，则系统采用的进制是 AA、6B、7C、8D、9设使用的是p进制，则15*4=112等价于：(p + 5) * 4 = p^2 + p + 2解出来p=-3（舍去）和p=6
2021-06-26 10:17:02
113
原创 2021-06-24
@TOC计算机组成原理-浮点数转换23位尾数舍入问题浮点数转换取23位尾数舍入后尾数是否加1有效数字超出规定数位的多余数字是1001，它大于超出规定最低位的一半（即0.5），故最低位进1。如果多余数字是0111，它小于最低位的一半，则舍掉多余数字（截断尾数、截尾）即可。对于多余数字是1000、正好是最低位一半的特殊情况，最低位为0则舍掉多余位，最低位为1则进位1、使得最低位仍为0（偶数）。例一3.3二进制规格化后除去尾数23位后的四位尾数为0011，小于1000，故直接舍去例21.1二进
2021-06-24 09:45:27
93
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人