.png){kind=icon}
返回
Multi-scale and deeply supervised network for image splicing localization
.png){kind=icon}
OA
AI
DOI：10.3389/frai.2025.1655073.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当恶意篡改的图像在媒体中传播时，它们可能产生不良影响，甚至危及国家安全。因此，有必要研究有效的方法来检测篡改图像。作为一个具有挑战性的任务，图像拼接篡改定位研究的是图像是否包含来自另一图像的拼接篡改区域。鉴于现有方法缺乏全局信息交互，提出了一种多尺度、深度监督的图像拼接篡改定位网络。所提出的网络基于编码器-解码器架构，其中解码器利用不同层次的特征图来监督拼接位置，从而实现篡改区域的逐像素预测。此外，在编码器和解码器之间使用多尺度特征提取模块，扩展了网络的全局视野，从而能够更有效地区分篡改区域与非篡改区域。在CASIA和COLUMB数据集上分别取得了0.891和0.864的F1分数，且所提出的模型能够准确定位篡改区域。
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
F
IF:
4.7
论文数:
2.6K
被引数:
4.4K
机构
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测OAAI
OAAI分享收藏
U2-Net: Going deeper with nested U-structure for salient object detectionU2-Net: 基于嵌套U结构的显著性目标检测.png)
PATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏
查看更多内容