.png){kind=icon}
返回
ECMNet: A deep framework for copy move forgery localization detection and classification
.png){kind=icon}
OA
AI
DOI：10.1016/j.rineng.2025.108627.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 针对数字伪造图像的复制-移动图像伪造定位、检测和分类问题，提出了一种新颖的ECMNet模型，可在单一框架中完成。• 集成了一个卷积块注意力模块，用于学习和提取输入图像的空间、局部和全局特征。• 提出了一种基于Huber损失的新型边界框损失函数，用于对伪造图像区域进行精确的边界框标注和定位。• 已开发基于DJANGO的ECMNet网络应用接口，用于实时复制-移动图像伪造检测。• 在公开数据集（如MICC-F220、修改版CASIA、CoMoFoD和COVERAGE）上进行了广泛的定性定量比较评估，以验证所提出的ECMNet模型。
Keyword:
Convolutional block attention module
Center Mask regional convolutional neural network
Huber
MobileNetV2
Django
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.9
论文数:
1.2W
被引数:
1.7W
机构
引用论文
分享收藏State of the art in passive digital image forgery detection: copy-move image forgery被动数字图像伪造检测的最新技术: 复制移动图像伪造
PREAI
分享收藏A Brief History of Free-Response Receiver Operating Characteristic Paradigm Data Analysis.png)
ACADEMIC RADIOLOGYOAAI
ACADEMIC RADIOLOGYIF3.9
OAAI分享收藏
查看更多内容