Image Tampering Detection via Semantic Segmentation Network
原创
： Image Tampering Detection via Semantic Segmentation Network
Image Tampering Detection via Semantic Segmentation Network
基于语义分割网络的篡改检测
Proceedings of ICSP2020
基本的思想是 篡改的目的在于混淆，混淆的手段在于语义物体。由此，语义检测的语义信息可以帮助篡改检测。
觉得很有道理，符合人类正常的思维。之前也有过这样的想法。但是实际上，还是有些差异，这个是使用的网络模型，而不是直接使用网络参数真的做语义分割。
要是有人实际试一试带有语义分割信息的篡改检测就好了。
实际的原理可能在于篡改检测是一种特殊的语义分割问题，人眼无法判断出其中的语义，并不说明实际没有语义差异。
多任务的模型
多任务感觉还是很流行的。
尤其是边缘和区域的这种双任务模式。
但是区域和边缘是可以转化的，不直接使用其中的一个，而用多任务。认为是这个原因。
不直接使用区域检测的结果提取边缘 或者直接使用边缘检测填充 说明这个网络结果还是不稳定，检测区域会少检测，检测边缘会漏检测。两种检测结果都是不靠谱的。所以不得不使用多任务。
边缘标注像素宽度实验
数据集标注层面
认为标注数据集使用9个像素宽度标注边缘。
这个边缘宽度不能太大，也不能太小。过大，特征信息模糊；过小，超过网络学习能力。
1 | 9=4*2+1 |
All articles in this blog are licensed under CC BY-NC-SA 4.0 unless stating additionally.
