应用U-HRNet+SoftTripleLoss的HiFi-Net伪造图像检测技术研究

伪造图像若被不当利用会带来严重负面影响,不同伪造图像生成方法导致伪造属性差异,使得研究统一图像伪造检测、定位方法具有很大挑战性。该文提出一种应用U-HRNet+SoftTripleLoss的HiFi-Net伪造图像检测方法,首先采用U-HRNet替代HiFi-Net特征提取网络,其网络结构促进学习图像深层特征以获取更高级的语义信息,增加多个阶段、融合通道以改善高分辨率特征;其次引入SoftTripleLoss模块,学习无约束采样的伪造属性特征嵌入表示以改善特征嵌入分布,从而更好地区分细粒度伪造属性,进而提高细粒度伪造图像分类准确率。实验表明,使用上述技术构建的检测模型像素级别总体评价指标AUC、F1分别为0.9928、0.9760,较原文献模型提高0.0025、0.0082;图像级别总体评价指标细粒度属性分类准确率Acc达98.05%,较原文献模型提高1.23%。