System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种篡改检测模型的训练、篡改检测方法及装置制造方法及图纸_技高网

一种篡改检测模型的训练、篡改检测方法及装置制造方法及图纸

技术编号:43482846 阅读:9 留言:0更新日期:2024-11-29 16:55
本说明书实施例提供一种篡改检测模型的训练、篡改检测方法及装置,该模型包括主分支网络、可逆分支网络、第一边缘检测网络和第一区域检测网络,训练方法包括:通过主分支网络处理样本图像,得到指定第一提取层的第一特征图;通过可逆分支网络处理样本图像,得到指定第二提取层的第二特征图,在处理中,通过其中的指定的第三提取层,联合其前一层的第二特征图、与其对应的第一特征图和同一层的第一提取层的第一特征图,得到对应的第二特征图;通过第一边缘检测网络处理多个第二特征图,得到第一篡改边缘图;通过第一区域检测网络处理多个第二特征图、第一篡改边缘图,得到多个第一分割图;基于各第一分割图和标签数据,训练上述模型。

【技术实现步骤摘要】

本说明书涉及图像检测,尤其涉及一种篡改检测模型的训练、篡改检测方法及装置


技术介绍

1、近年来,随着互联网的高速发展,人们可以通过线上办理各种业务并在线上进行相关卡证(包括银行卡、身份证件等)的校验。线上模式不同于线下模式,仅通过卡证图像进行校验的线上校验方式使得校验安全性受到了极大的考验。

2、目前,存在一些对卡证(银行卡、身份证件等)进行篡改(例如通过纸条和/或其他人脸图像、笔迹污染等物理去遮挡住卡证本身的信息,又例如通过图像修改技术修改卡证图像中的卡证本身的信息),以期欺骗相关机构的线上校验系统。上述行为,使得相关机构的线上校验系统的安全性受到极大考验。鉴于此,提供一种用于检测卡证图像中的篡改区域的篡改检测模型的训练方法至关重要。


技术实现思路

1、本说明书一个或多个实施例提供了一种篡改检测模型的训练、篡改检测方法及装置,以实现对图像中篡改位置的准确检测。

2、根据第一方面,提供一种篡改检测模型的训练方法,所述篡改检测模型包括主分支网络、可逆分支网络、第一边缘检测网络和第一区域检测网络,所述主分支网络包括串行连接的多个第一提取层,所述可逆分支网络包括串行连接的多个第二提取层,所述方法包括:

3、获取第一样本图像及其第一标签数据,其中,所述第一标签数据用于指示所述第一样本图像是否包含篡改区域;

4、基于所述主分支网络对所述第一样本图像进行第一特征提取,得到多个指定第一提取层对应的多个第一特征图;

5、基于所述可逆分支网络对所述第一样本图像进行处理,以得到多个指定第二提取层对应的多个第二特征图,其中,所述处理包括,通过多个第二提取层中的第三提取层,对其前一层对应的第二特征图和所设置的与其对应的第一特征图进行第二特征提取,得到其输出特征图,基于所述输出特征图和其同一层的第一提取层的第一特征图,得到对应的第二特征图,所述第三提取层是从第二个第二提取层开始的多个第二提取层中的指定层;

6、通过所述第一边缘检测网络,基于多个第二特征图,得到第一篡改边缘图;

7、通过所述第一区域检测网络,基于多个第二特征图和所述第一篡改边缘图,得到多个第一分割图;

8、基于各第一分割图和所述第一标签数据,训练所述篡改检测模型。

9、根据第二方面,提供一种篡改检测方法,包括:

10、获取基于第一方面所述的篡改检测模型的训练方法、训练所得的篡改检测模型中的主分支网络、第一边缘检测网络和第一区域检测网络;

11、获取包含待检测卡证的待检测图像;

12、基于所述主分支网络,对所述待检测图像进行第一特征提取,得到多个指定第一提取层对应的多个第三特征图;

13、通过所述第一边缘检测网络,基于多个第三特征图,得到第三篡改边缘图;

14、通过所述第一区域检测网络,基于所述第三篡改边缘图和多个第三特征图,得到第三分割图;

15、至少基于所述第三分割图,确定所述待检测卡证中是否包含篡改区域的检测结果。

16、根据第三方面,提供一种篡改检测模型的训练装置,所述篡改检测模型包括主分支网络、可逆分支网络、第一边缘检测网络和第一区域检测网络,所述主分支网络包括串行连接的多个第一提取层,所述可逆分支网络包括串行连接的多个第二提取层,所述装置包括:

17、第一获取模块,配置为获取第一样本图像及其第一标签数据,其中,所述第一标签数据用于指示所述第一样本图像是否包含篡改区域;

18、第一提取模块,配置为基于所述主分支网络对所述第一样本图像进行第一特征提取,得到多个指定第一提取层对应的多个第一特征图;

19、第一处理模块,配置为基于所述可逆分支网络对所述第一样本图像进行处理,以得到多个指定第二提取层对应的多个第二特征图,其中,所述处理包括,通过多个第二提取层中的第三提取层,对其前一层对应的第二特征图和所设置的与其对应的第一特征图进行第二特征提取,得到其输出特征图,基于所述输出特征图和其同一层的第一提取层的第一特征图,得到对应的第二特征图,所述第三提取层是从第二个第二提取层开始的多个第二提取层中的指定层;

20、第一得到模块,配置为通过所述第一边缘检测网络,基于多个第二特征图,得到第一篡改边缘图;

21、第二得到模块,配置为通过所述第一区域检测网络,基于多个第二特征图和所述第一篡改边缘图,得到多个第一分割图;

22、训练模块,配置为基于各第一分割图和所述第一标签数据,训练所述篡改检测模型。

23、根据第四方面,提供一种篡改检测装置,包括:

24、第二获取模块,配置为获取基于第三方面所述的篡改检测模型的训练装置、训练所得的篡改检测模型中的主分支网络、第一边缘检测网络和第一区域检测网络;

25、第三获取模块,配置为获取包含待检测卡证的待检测图像;

26、第二提取模块,配置为基于所述主分支网络,对所述待检测图像进行第一特征提取,得到多个指定第一提取层对应的多个第三特征图;

27、第三得到模块,配置为通过所述第一边缘检测网络,基于多个第三特征图,得到第三篡改边缘图;

28、第四得到模块,配置为通过所述第一区域检测网络,基于所述第一篡改边缘图和多个第三特征图,得到第三分割图;

29、确定模块,配置为至少基于所述第三分割图,确定所述待检测卡证中是否包含篡改区域的检测结果。

30、根据第五方面,提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行第一方面或第二方面所述的方法。

31、根据第六方面,提供一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面或第二方面所述的方法。

32、根据本说明书实施例提供的篡改检测模型的训练、篡改检测方法及装置,其中,篡改检测模型包括,包括串行连接的多个第一提取层的主分支网络、包括串行连接的多个第二提取层的可逆分支网络、第一边缘检测网络和第一区域检测网络,在训练过程中,联合主分支网络和可逆分支网络,对第一样本图像进行特征提取,得到多个指定第一提取层对应的多个第一特征图和多个指定第二提取层对应的多个第二特征图,其中,对于可逆分支网络中的指定的第三提取层,结合其前一层对应的第二特征图和所设置的与其对应的第一特征图,和其同一层的第一提取层的第一特征图,共同得到自身对应的融合更多图像信息(包括全局信息和局部细节信息)的第二特征图,联合可逆分支网络和多级辅助信息即第一区域检测网络,通过第一篡改边缘图的引导,基于多个第二特征图,得到边缘信息更多的且准确性更高的多个不同提取层对应的多个第一分割图,其中,第二提取层在可逆分支网络中的层数越小,其第二特征图包含的图像局部和细节信息越多,相应的其更有利对相对小的篡改区域的检测,后续利用各第一分割图和第一标签数据,训练篡改检测模型,以可以提高篡本文档来自技高网...

【技术保护点】

1.一种篡改检测模型的训练方法,所述篡改检测模型包括主分支网络、可逆分支网络、第一边缘检测网络和第一区域检测网络,所述主分支网络包括串行连接的多个第一提取层,所述可逆分支网络包括串行连接的多个第二提取层,所述方法包括:

2.如权利要求1所述的方法,其中,所述第一标签数据包括基于所述第一样本图像生成的标签篡改边缘图和标签分割图;

3.如权利要求2所述的方法,其中,所述基于所述第一篡改边缘图、各第一分割图和所述第一标签数据中的标签篡改边缘图和标签分割图,训练所述篡改检测模型,包括:

4.如权利要求1所述的方法,所述第一标签数据包括,用于指示所述第一样本图像是否包含篡改区域的标签值;所述篡改检测模型还包括分类网络;

5.如权利要求1所述的方法,所述篡改检测模型还包括第二边缘检测网络和第二区域检测网络,所述方法还包括:

6.如权利要求1所述的方法,其中,所述第一区域检测网络包括:多个串行连接的第一检测子网络,和与各指定第二提取层分别对应的各第一边缘增强子网络;

7.如权利要求1所述的方法,其中,所述多个第二特征图包括:所述可逆分支网络的目标第二提取层对应的特征图和最后一层第二提取层对应的特征图,所述目标第二提取层在所述可逆分支网络中的层数不高于预设层数;

8.如权利要求1所述的方法,其中,所述第三提取层为所述可逆分支网络中的第i层提取层;与所述第三提取层对应的第一特征图为,所述主分支网络中的第i+n层第一提取层的第一特征图,所述n为正整数。

9.一种篡改检测方法,包括:

10.如权利要求9所述的方法,其中,所述确定所述待检测卡证中是否包含篡改区域的检测结果,包括:

11.如权利要求9所述的方法,其中,所述方法还包括:

12.如权利要求9所述的方法,其中,所述第一区域检测网络包括:多个串行连接的第一检测子网络,所述第三分割图为最后一个第一检测子网络输出的分割图。

13.一种篡改检测模型的训练装置,所述篡改检测模型包括主分支网络、可逆分支网络、第一边缘检测网络和第一区域检测网络,所述主分支网络包括串行连接的多个第一提取层,所述可逆分支网络包括串行连接的多个第二提取层,所述装置包括:

14.一种篡改检测装置,包括:

15.一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-8或9-12中任一项所述的方法。

...

【技术特征摘要】

1.一种篡改检测模型的训练方法,所述篡改检测模型包括主分支网络、可逆分支网络、第一边缘检测网络和第一区域检测网络,所述主分支网络包括串行连接的多个第一提取层,所述可逆分支网络包括串行连接的多个第二提取层,所述方法包括:

2.如权利要求1所述的方法,其中,所述第一标签数据包括基于所述第一样本图像生成的标签篡改边缘图和标签分割图;

3.如权利要求2所述的方法,其中,所述基于所述第一篡改边缘图、各第一分割图和所述第一标签数据中的标签篡改边缘图和标签分割图,训练所述篡改检测模型,包括:

4.如权利要求1所述的方法,所述第一标签数据包括,用于指示所述第一样本图像是否包含篡改区域的标签值;所述篡改检测模型还包括分类网络;

5.如权利要求1所述的方法,所述篡改检测模型还包括第二边缘检测网络和第二区域检测网络,所述方法还包括:

6.如权利要求1所述的方法,其中,所述第一区域检测网络包括:多个串行连接的第一检测子网络,和与各指定第二提取层分别对应的各第一边缘增强子网络;

7.如权利要求1所述的方法,其中,所述多个第二特征图包括:所述可逆分支网络的目标第二提取层对应的特征图和最后一层第二提取层对应的特征图,所述目...

【专利技术属性】
技术研发人员:陈志军
申请(专利权)人:蚂蚁区块链科技上海有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1