论文阅读(1): Fighting Fake News: Image Splice Detection via Learned Self-Consistency

本文介绍了一种使用深度学习检测图像拼接的技术,通过学习图像的自我一致性来识别操纵图像。方法包括预测EXIF属性一致性、后处理一致性、结合一致性预测和直接预测图像一致性。实验证明,EXIF属性一致性在大多数情况下表现最优,而图像一致性随着训练的增加将更加有效。
摘要由CSDN通过智能技术生成

文章亮点

只使用真实图片训练visual manipulated图片的detector

算法效用

detect and localize image manipulations

论文及github地址

论文主页
github

Method部分阅读笔记

3 Learning Photographic Self-consistency

给定两个patches,对n个EXIF元数据属性(metadata attribute)分别计算取值相同的概率x1到xn,然后根据x1到xn计算overall consistency。测试图片时,manipulated图像中取不同的patches,如果计算得到低的consistency,说明两个patches来自不同的图像,即图像是拼接得到的。

3.1 Predicting EXIF Attribute Consistency

使用孪生神经网络(Siamese network)检测两个128*128的patches(可能从不同的图像中获取)是否共享EXIF metadata attributes。其中选了n=80个attributes。Siamese network使用权值共享的resnet,产生4096维向量。向量经连接后送入四层的MLP(multi layer perceitron多层感知机),最后是输出层

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值