申请/专利权人：中国科学技术大学

申请日：2021-09-14

公开（公告）日：2024-03-29

公开（公告）号：CN113792789B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/80;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.12.31#实质审查的生效;2021.12.14#公开

摘要：本发明公开了一种基于类激活热力图的图像篡改检测与定位的方法及系统，方法包括：基于COCO数据集，使用图像修复的算法构造物体消去，拼接以及复制‑粘贴的图像篡改数据集；基于构造的卷积神经网络对图像篡改数据集进行图像篡改检测，得到图像篡改数据集的图像篡改分类结果；针对图像篡改分类结果，基于模型可解释性的方法找出图像中影响分类结果的像素并生成类激活热力图，使用ResNet50网络生成最终的篡改定位区域。本发明能够更加有效的实现对不同的篡改方式实现篡改检测与定位，特别是对基于各种图像修复算法的物体消除篡改方式的检测，使得篡改检测与定位具有更好的泛化能力。

主权项：1.一种基于类激活热力图的图像篡改检测与定位的方法，其特征在于，包括：基于COCO数据集，使用图像修复的算法构造物体消去，拼接以及复制-粘贴的图像篡改数据集；基于构造的卷积神经网络对所述图像篡改数据集进行图像篡改检测，得到所述图像篡改数据集的图像篡改分类结果；其中，所述基于构造的卷积神经网络对所述图像篡改数据集进行图像篡改检测，得到所述图像篡改数据集的图像篡改分类结果，包括：使用所述卷积神经网络的卷积层提取纹理特征和边特征；使用所述卷积神经网络的约束卷积层和SRM滤波器提取噪声域特征；融合所述纹理特征、边特征和噪声域特征，得到融合特征；使用所述卷积神经网络的5个卷积层和批标准化对所述融合特征进行特征提取，得到特征提取结果；基于所述特征提取结果，使用所述卷积神经网络的平均池化层和全连接层，最后经过Softmax激活函数决策出所述图像篡改数据集中被篡改的图像，以及被篡改图像的分类结果；针对所述图像篡改分类结果，基于模型可解释性的方法找出图像中影响分类结果的像素并生成类激活热力图，使用ResNet50网络生成最终的篡改定位区域。

全文数据：

权利要求：

百度查询： 中国科学技术大学 基于类激活热力图的图像篡改检测与定位的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD