公开(公告)号：CN114612476B

公开(公告)日：2022-07-22

申请号：CN202210519003.0

申请日：2022-05-13

Applicant: 南京信息工程大学

Inventor： 梁秀健 ,  余昕璇 ,  孙鹤 ,  付章杰 ,  陈北京 ,  袁程胜

IPC: G06T7/00 ,  G06T7/70 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于全分辨率混合注意力机制的图像篡改检测方法，包括：获取待检测的图像，输入到预先训练好的基于全分辨率混合注意力机制的图像篡改检测模型，输出篡改检测结果。优点：有效地解决了现有方法存在的因潜在篡改区域纹理特征、边缘高频特征的丢失导致图像分辨率降低的问题，优化了网络输出向量的方向，加快了网络训练收敛速度；提出了基于反馈消融点的训练方法，实现了在有限内存下的模块化端到端训练；实现联合各模块的反馈来优化调整参数，又加快了模型的推理测试速度。该方法在同时存在多种篡改类型的检测任务上具有更优的准确率、更强的鲁棒性、更快的训练速度和更小的内存占用，具有十分广阔的应用前景。

公开(公告)号：CN114612476A

公开(公告)日：2022-06-10

申请号：CN202210519003.0

申请日：2022-05-13

Applicant: 南京信息工程大学

Inventor： 梁秀健 ,  余昕璇 ,  孙鹤 ,  付章杰 ,  陈北京 ,  袁程胜

IPC: G06T7/00 ,  G06T7/70 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于全分辨率混合注意力机制的图像篡改检测方法，包括：获取待检测的图像，输入到预先训练好的基于全分辨率混合注意力机制的图像篡改检测模型，输出篡改检测结果。优点：有效地解决了现有方法存在的因潜在篡改区域纹理特征、边缘高频特征的丢失导致图像分辨率降低的问题，优化了网络输出向量的方向，加快了网络训练收敛速度；提出了基于反馈消融点的训练方法，实现了在有限内存下的模块化端到端训练；实现联合各模块的反馈来优化调整参数，又加快了模型的推理测试速度。该方法在同时存在多种篡改类型的检测任务上具有更优的准确率、更强的鲁棒性、更快的训练速度和更小的内存占用，具有十分广阔的应用前景。