基于Decoupled-FR Net的伪造图像检测模型
杨桃1
张乾2
文露露1
彭杉1
1.贵州民族大学 数据科学与信息工程学院,贵阳 550025;贵州民族大学 贵州省模式识别与智能系统重点实验室,贵阳 5500252.贵州民族大学 数据科学与信息工程学院,贵阳 550025;贵州警察学院 计算机科学系,贵阳 550000
摘要：针对伪造图像检测中细粒度特征感知与跨区域依赖建模的挑战,提出解耦频率细化网络(decoupled frequency refinement network,Decoupled-FR Net)检测模型.该模型设计了空间-通道解耦注意力机制,有效避免了传统混合注意力中的特征耦合问题,提升了特征表示的独立性与判别力;引入了特征细化模块,通过层级特征校准与融合功能增强对细微篡改的感知能力;结合上下文感知机制,捕捉跨区域的长距离依赖关系,从而提升整体检测性能.结果表明,Decoupled-FR Net模型在伪造合成(forensic synthetics,ForenSynths)数据集上的准确率、平均精确率分别比块间依赖网络(inter-patch dependency network,IPD-Net)模型提高了 2.4、0.5 个百分点,在生成式对抗网络(generative adversarial network,GAN)的生成图像检测(GAN generation detection,GANGen-Detection)数据集上的平均精确率比频域网络(frequency domain network,FreqNet)模型提高了 0.1 个百分点.该模型为细粒度伪造图像检测提供了新的解决方案,在多媒体取证领域具有重要的应用价值.
关键词：空间-通道注意力解耦特征细化频域增强上下文感知跨模型伪造图像检测生成式对抗网络
分类号：TP391.4(计算技术、计算机技术)
资助基金：贵州民族大学校级科研项目(GZMUZK(2021)YB23)贵州民族大学校级科研项目(GZMUZK(2023)QN10)
论文发表日期：2026-03-20
在线出版日期：2026-03-26（本平台首次上网日期，不代表文献的发表时间）
页数：6( 69-74 )
英文信息