← 返回列表
基于自一致性矩阵和多尺度损失的图像文本篡改检测方法
申请人信息
- 申请人:暨南大学
- 申请人地址:510632 广东省广州市天河区黄埔大道西601号
- 发明人: 暨南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于自一致性矩阵和多尺度损失的图像文本篡改检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410021433.9 |
| 申请日 | 2024/1/8 |
| 公告号 | CN117558011A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06V30/19 |
| 权利人 | 暨南大学 |
| 发明人 | 夏志华; 陈佳韩; 余佩鹏 |
| 地址 | 广东省广州市天河区黄埔大道西601号 |
摘要文本
关注微信公众号专利查询网 本发明公开了一种基于自一致性矩阵和多尺度损失的图像文本篡改检测方法,本发明属于模式识别领域,包括:通过采用Resnet 34模型作为主干网络进行图像特征提取,得到中间特征图和最终特征图;基于所述中间特征图,计算得到自一致性矩阵;通过渐进式上采样卷积神经网络逐步进行自一致性矩阵反卷积操作,生成输出的概率矩阵,从而判断原图中存在篡改区域的大致位置;将最终特征图输入分类层,以得到分类预测向量,从而判断含文本图像是否存在篡改。本发明提供了一种成本低、检测精度高、耗时短的图像文本篡改检测方法。
专利主权项内容
1.一种基于自一致性矩阵和多尺度损失的图像文本篡改检测方法,其特征在于,包括:获取文本图像,所述文本图像包括:真实图像和篡改图像,将所述文本图像分为训练集和测试集;选取多尺度损失函数,基于所述多尺度损失函数和所述训练集分别训练第一神经网络、第二神经网络;将所述测试集输入至训练好的第一神经网络、训练好的第二神经网络中,得到分类预测向量和概率矩阵;基于分类预测向量和所述概率矩阵,检测所述文本图像是否存在篡改及篡改区域位置。 关注公众号马 克 数 据 网