PSCC-Net Progressive Spatio-Channel Correlation Network for Image Manipulation Detection and Localization 【PSCC-Net】全称为Progressive Spatio-Channel Correlation Network,是一种专用于图像篡改检测和定位的深度学习模型。该网络在IEEE Transactions on Circuits and Systems for Video Technology发表于2021年,并由论文作者开源。PSCC-Net的设计独特之处在于它的双路径处理方式,包括自上而下的路径和自下而上的路径。 1. **自上而下的路径**:这一路径负责提取输入图像的局部和全局特征。它通过一个编码器结构,从不同尺度中获取丰富的信息,促进了不同层次特征之间的信息交换,有助于捕捉图像的细节和整体结构。 2. **自下而上的路径**:此路径主要用于检测图像是否被篡改,并逐步估计不同比例的掩模(mask)。这个过程是从小尺度开始,逐步细化到大尺度,每一个掩模都是基于前一个掩模的条件估计的。这种方法允许网络对篡改区域进行精确定位,逐步从粗略到精细,减少了检测的不确定性。 3. **空间信道相关模块(SCCM)**:这是PSCC-Net的核心组件,它捕捉并结合了空间和信道两种相关性。SCCM在自下而上的过程中工作,增强了特征的全局上下文,通过计算特征映射之间的相似性,强化了对篡改区域的表示,从而有效处理了图像的局部特征和全局信息。值得注意的是,SCCM无需大量标注数据预训练特征提取器,降低了训练复杂度。 4. **问题解决**:PSCC-Net针对图像篡改检测与定位中存在的三个主要问题进行了优化: - **尺度变化**:通过结合局部和全局特征,PSCC-Net能够适应不同大小的伪造区域。 - **图像相关性**:通过考虑空间相关性,网络可以更泛化地识别被篡改的区域,特别是对于拼接攻击。 - **检测准确性**:通过设计检测头预测篡改概率,避免了在原始图像上产生过多误报,提高了检测的可靠性。 5. **性能优势**:PSCC-Net采用了轻量级的主干网络,因此在处理1080p图像时可以达到50+FPS的速度,具备实时处理能力。此外,其渐进式机制还允许在满足条件时提前终止掩模估计,实现潜在的加速。 6. **相关研究比较**:与Mantra-Net和SPAN等仅关注局部相关性的模型相比,PSCC-Net通过渐进机制和SCCM模块更有效地利用了空间和通道相关性,从而提升了模型的泛化能力和检测效果。 PSCC-Net是一种高效、准确的图像篡改检测和定位方法,通过创新的网络架构和模块设计,解决了传统方法在尺度变化、图像相关性和检测准确性方面的挑战,展现了在篡改检测领域的优越性能。
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![whl](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![whl](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![swf](https://img-home.csdnimg.cn/images/20210720083632.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/88580794/bg1.jpg)
![](https://csdnimg.cn/release/download_crawler_static/88580794/bg2.jpg)
![](https://csdnimg.cn/release/download_crawler_static/88580794/bg3.jpg)
剩余17页未读,继续阅读
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/0e35228262bb4364b07f212ce2091b81_fl1623863129.jpg!1)
- 粉丝: 1w+
- 资源: 1万+
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
- SQL中的CREATE LOGFILE GROUP 语句.pdf
- C语言-leetcode题解之第172题阶乘后的零.zip
- C语言-leetcode题解之第171题Excel列表序号.zip
- C语言-leetcode题解之第169题多数元素.zip
- ocr-图像识别资源ocr-图像识别资源
- 图像识别:基于Resnet50 + VGG16模型融合的人体细胞癌症分类模型实现-图像识别资源
- C语言-leetcode题解之第168题Excel列表名称.zip
- C语言-leetcode题解之第167题两数之和II-输入有序数组.zip
- C语言-leetcode题解之第166题分数到小数.zip
- C语言-leetcode题解之第165题比较版本号.zip
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)