CAT-Net- Compression Artifact Tracing Network 算法测试
原创
： CAT-Net: Compression Artifact Tracing Network 算法测试
CAT-Net: Compression Artifact Tracing Network 算法测试
2021年的开源图像篡改检测算法还是很难找的
这篇文章是 WACV2021 paper,作者是韩国人。
WACV据说是仅次于CVPR等的顶会。
https://github.com/mjkwon2021/CAT-Net
这个东西直接在github 上面搜索名字竟然搜不到。
但是会出现readme文档，在这个readme文档中点进去才会出现代码。
算法训练使用的数据集
最好不要使用下面的数据集进行测试
对于一个培训集 使用以下数据集
auth.表示未篡改图像;tamp.表示篡改图像
安装库版本
这些在requirements文件里面都有
torch==1.1.0
Cython
pyyaml
yacs>=0.1.5
tqdm
torch_dct
pillow
opencv-python
tensorboardX
matplotlib
seaborn
权重文件
权重文件需要科学上网
Download weights from link.
link:https://drive.google.com/drive/folders/1hBEfnFtGG6q_srBHVEmbF3fTq0IhP8jq?usp=sharing
是谷歌的下载地址。
百度云的下载地址在这里，模型很大，800M.
链接：https://pan.baidu.com/s/10hjC7u_lL8TX7NfPtioFzQ
提取码：4tlj
测试
在casia 数据集中，是非常惊艳的效果了。不如说这个效果过于惊艳了,和gt标注的完全相同。
但是也有在训练集中过拟合的嫌疑。
casia V2
coverage
COVERAGE数据集中的效果不是很好。说明此算法的泛化能力不好。在coverage的多数图像中都未能达到训练集（casia）中的效果。
有一点要注意
若输出为热力图，则输出为固定的某一大小。
若将灰度图保存出来，则分辨率为原图像的1/4，长和宽都是1/4.
计算指标时候，需要进行resize,可能会有一些指标计算的损失，不过对于区域检测而言，几个像素的误差根本就不是问题。
抗干扰性能
CASIA数据集某图像。
应该是算法的一张训练图像。
发现，在旋转某些角度时，检测结果几乎完美，但是，但旋转超过180度，检测结果将会大打折扣。
不明原因。原则上，DCT矩阵不会被旋转破坏的。
