• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Multimedia Tools and Applications >A semi-feature learning approach for tampered region localization across multi-format images
【24h】

A semi-feature learning approach for tampered region localization across multi-format images

机译：用于跨多格式图像的篡改区域定位的半特征学习方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In multimedia security, it is an important task to localize the tampered image regions. In this work, deep learning is used to solve this problem and the approach can be applied to multi-format images. Concretely, we use Stack Autoencoder to obtain the tampered image block features so that the forgery can be identified in a semi-automatic manner. Contextual information of image block is further integrated to improve the localization accuracy. The approach is tested on a benchmark dataset, with a 92.84% localization accuracy and a 0.9375 Area Under Curve (AUC) score. Compared to the state-of-the-art solutions for multi-format images, our solution has an over 40% AUC improvement and 5.7 times F1 improvement. The results also out-perform several approaches which are designed specifically for JPEG images by 41.12%approximate to 63.08% in AUC and with a 4 approximate to 8 times better F1.
机译：在多媒体安全中，定位被篡改的图像区域是一项重要的任务。在这项工作中，深度学习用于解决此问题，并且该方法可以应用于多格式图像。具体来说，我们使用Stack Autoencoder获取篡改的图像块特征，以便可以半自动的方式识别伪造品。图像块的上下文信息被进一步集成以提高定位精度。该方法在基准数据集中进行了测试，定位精度为92.84％，曲线下面积（AUC）值为0.9375。与多格式图像的最新解决方案相比，我们的解决方案的AUC改善了40％以上，F1改善了5.7倍。结果也优于专为JPEG图像设计的几种方法，在AUC中的41.12％近似为63.08％，而F1的4近似为8倍。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号