Copyright ?2013-2017 中國(guó)學(xué)術(shù)論文查重檢測(cè)系統(tǒng)入口 All Rights Reserved. 網(wǎng)站備案號(hào)：黔ICP備19012782號(hào)-3.
這種方法產(chǎn)生的篡改圖像與常規(guī)篡改方式產(chǎn)生的圖像有很大區(qū)別，篡改區(qū)域與真實(shí)區(qū)域往往在統(tǒng)計(jì)特征、邊緣偽影等方面極為相似。 因此，如何提取有效特征將會(huì)是檢測(cè)的難點(diǎn)之一。 GAN框架由生成器和鑒別器構(gòu)成，二者都是深度學(xué)習(xí)網(wǎng)絡(luò)。 生成器負(fù)責(zé)生成真假難辨的圖像，鑒別器負(fù)責(zé)對(duì)圖像進(jìn)行鑒別，當(dāng)鑒別器無(wú)法鑒別出生成圖像的時(shí)候，圖像被輸出。 采用這種方式產(chǎn)生的圖像通常是常規(guī)深度學(xué)習(xí)網(wǎng)絡(luò)無(wú)法檢測(cè)出具體類別的，生成方法對(duì)于深度學(xué)習(xí)鑒別方法魯棒性很強(qiáng)。 因此如何設(shè)計(jì)有效的網(wǎng)絡(luò)結(jié)構(gòu)去學(xué)習(xí)人眼無(wú)法發(fā)現(xiàn)的篡改線索也是檢測(cè)的難點(diǎn)之一。 面對(duì)復(fù)雜的深度學(xué)習(xí)篡改圖像，研究者們從2017年起開始了逐步探索。 2017年Nicolas Rahmouni等人 [ 57 ]首次嘗試對(duì)計(jì)算機(jī)生成的篡改圖像進(jìn)行鑒別。
日常生活中人們對(duì)圖像進(jìn)行修改，往往是出于美化、娛樂(lè)的目的，這并不會(huì)帶來(lái)不良影響，但是在有些情況下，被惡意篡改的圖像經(jīng)過(guò)傳播，就會(huì)影響人們對(duì)客觀事物的判斷，有時(shí)甚至?xí)?duì)社會(huì)和國(guó)家造成不良的影響，近些年，這類情況也越來(lái)越多。 歷史上第一幅虛假圖像出現(xiàn)在1860年，圖1-1左圖林肯的照片實(shí)際上是由右面參議員約翰·卡爾霍恩的頭部替換為林肯頭部得到的。
2017年Ouyang等人 [ 53 ]提出使用遷移學(xué)習(xí)的方法解決篡改圖像數(shù)據(jù)集過(guò)小的問(wèn)題。 該方法首先在ImageNet上進(jìn)行預(yù)訓(xùn)練，然后再采用數(shù)量較小的復(fù)制-粘貼數(shù)據(jù)集進(jìn)行微調(diào)，在圖像真假分類上實(shí)現(xiàn)了較高的精度。 基于區(qū)域相似性檢測(cè)方法將復(fù)制-粘貼區(qū)域定位問(wèn)題轉(zhuǎn)換為相似性匹配問(wèn)題。 這類方法通常以整個(gè)圖像作為輸入，提取圖像中大量重疊的圖像塊進(jìn)行相似性計(jì)算，從而找到相似性最高的區(qū)域。