图像篡改检测 | D-Unet：用于图像篡改检测和定位的双编码器U-Net

论文标题：D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization 论文链接：https://arxiv.org/abs/2012.01821 作者单位：重庆邮电大学, 澳门大学 表现SOTA！性能优于FusionNet、C2RNet和RRU-Net等网络。

近来，已经提出了许多基于卷积神经网络（CNN）的检测方法来进行图像拼接伪造（篡改）检测。这些检测方法大多数集中在local patches or local objects。实际上，图像拼接伪造检测是一项全局二进制分类任务，该任务通过图像指纹来区分篡改和非篡改区域。但是，基于CNN的检测网络几乎无法保留某些特定的图像内容，但是如果包含这些内容，将会提高网络的检测精度。为了解决这些问题，我们提出了一种新型的称为双编码器U-Net（D-Unet）的网络，用于图像拼接伪造检测，该网络采用了不固定的编码器和固定的编码器。非固定编码器自动学习在篡改区域和非篡改区域之间进行区分的图像指纹，而固定编码器则有意提供有助于学习和检测网络的方向信息。该双编码器后面是一个空间金字塔全局特征提取模块，该模块扩展了D-Unet的全局洞察力，可更准确地对篡改和非篡改区域进行分类。在D-Unet和最先进方法的实验比较研究中，D-Unet在图像级和像素级检测方面优于其他方法，而无需对大量伪造图像进行预训练或训练。而且，它对各种攻击都具有稳定的鲁棒性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除