[发明专利]双分支源与目标定位复制移动检测网络及方法

权利要求书

1.双分支源与目标定位复制移动检测网络，包括操纵检测分支和相似性检测分支，其特征在于，所述操纵检测分支包括操纵检测主干和边缘辅助分支，所述操纵检测主干包括VGG16编码器的前四个块和掩膜解码器，操纵检测分支采用VGG16编码器的前四个块提取特征，所述边缘辅助分支包括位于VGG16编码器的前三个块之后的Sobel模块和卷积层，用于加强操纵检测分支对篡改内容的边界伪影的学习效果，提高对边界伪影的判别能力；所述的VGG16编码器的前三个块提取前三层的浅层边缘信息，每层的输出经过Sobel模块提取边缘信息，后一层的输入叠加前一层的所有边缘信息，所述边缘辅助分支的输出只用于边缘优化，不参与掩膜生成，所述操纵检测主干生成篡改区域掩膜；

所述相似性检测分支包括VGG16编码器的前三个块、空洞卷积层、相似性匹配模块、ASPP多尺度模块、和掩膜解码器，相似性检测分支采用VGG16编码器的前三个块提取特征，第三层的输出输入空洞卷积层，第三层的输出和空洞卷积层的输出经过相似性匹配模块进行自相关匹配，计算各个像素之间的相似度；所述相似性匹配模块包括结合归一化相关系数的自相关匹配和最近邻匹配两部分，相似性匹配模块输出的相关图经过ASPP多尺度模块捕获多尺度相关信息，所述ASPP模块的输出输入掩膜解码器，生成相似区域掩膜；

所述操纵检测分支的输出与相似性检测分支的输出融合并分类、输出预测结果。

2.根据权利要求1所述的双分支源与目标定位复制移动检测网络，其特征在于，所述操纵检测分支提取的第一层边缘特征E₁只使用Sobel模块加强边缘特征学习，不进行任何采样操作，提取的第二层边缘特征E₂和第三层特征E₃均使用Sobel模块提取边缘特征，在每次Sobel计算后加入卷积核为1×1的标准卷积模块，第一层输出分辨率保持不变，第二层和第三层使用采样因子为2和4的上采样操作将第二层和第三层的输出与第一层输出大小对齐，最后将前三层的输出特征图通过逐元素相加的形式融合，输出边缘特征图。

3.根据权利要求1所述的双分支源与目标定位复制移动检测网络，其特征在于，所述相似性检测分支的VGG16编码器的第三层的输出和空洞卷积层的输出先经过标准化处理，得到标准化的特征F₃和F₄，对标准化的特征进行自相关匹配，得到一个相似得分矩阵F_corr:

其中，表示F的标准化，大小均为H×W；

对F_corr作归一化相关系数，用于进一步判别F_corr中第i行，j列像素补丁之间的像素依赖，最后对归一化后的结果F_n进行得分排序，去除排名为1的得分矩阵，取得分排名1到T的得分矩阵S_t：

S_t＝Top_T(Sort(F_n)，T)

其中，Sort()是降序排序函数，Top_T(·)表示取top-t值的函数，T为设定的参数，表示取排名前T的F_n。