偽造的圖片是假新聞的主要來源，經常被用于惡意的方式，如煽動暴徒。在對可疑圖像采取行動之前，我們必須核實其真實性。IEEE信息取證和安全技術委員會(IFS-TC)發(fā)起了一項檢測和定位取證挑戰(zhàn)第一次圖像取證挑戰(zhàn)2013年解決了這個問題。他們提供了一個開放的數字圖像數據集，其中包括在不同光照條件下拍攝的圖像，以及使用如下算法生成的偽造圖像:

• 內容感知的填充和補丁匹配(用于復制/粘貼)

• 內容感知修復(用于復制/粘貼和拼接)

• 克隆圖章(復制/粘貼)

• 縫刻(圖像重定向)

• 修復(受損部分的圖像重建-復制/粘貼的特殊情況)

• Alpha Matting(用于拼接)

第一階段要求參與的團隊將圖像分類為偽造的或原始的(從不操縱)。

第二階段則要求他們檢測/定位偽造圖像中的偽造區(qū)域。

在人工智能的前深度學習時代，圖像處理研究人員用于設計手工特征，解決一般的圖像處理問題，特別是圖像分類問題。一個這樣的例子是Sobel內核用于邊緣檢測。之前使用的圖像取證工具可以分為5類，即

1. 基于像素的技術，檢測像素級引入的統(tǒng)計異常。
   

2. 利用特定有損壓縮方案引入的統(tǒng)計相關性的基于格式的技術。
   

3. 利用相機鏡頭、傳感器或芯片后處理引入的偽影的基于相機的技術。
   

4. 基于物理學的技術，明確地建模和檢測物理對象、光和相機之間的三維交互作用中的異常。
   

5. 基于幾何的技術，使世界上的對象和他們的位置相對于相機的測量。

幾乎所有這些技術都利用了圖像的基于內容的特征，即圖像中呈現的視覺信息。CNN的是靈感來自視覺皮層。從技術上講，這些網絡被設計用來提取對分類有意義的特征，即那些使損失函數最小化的特征。通過梯度下降法學習網絡參數-核權值，從而從輸入給網絡的圖像中生成最有區(qū)別的特征。然后，這些特征被提供給一個完全連接的層，該層執(zhí)行最后的分類任務。

在觀察了一些偽造的圖像后，很明顯，人類視覺皮層找到偽造的區(qū)域是可能的。因此CNN是這個工作的完美的深度學習模型。如果人類的視覺皮層能夠探測到它，那么這個專為這項任務而設計的網絡肯定會更強大。

在進入數據集概述之前，需要明確使用的術語

• 偽造圖像:使用兩種最常見的操作操作即復制/粘貼和圖像拼接來處理/篡改的圖像。

• 原始圖像:沒有被操縱的圖像，除了根據比賽規(guī)則將所有圖像調整為標準尺寸。

• 圖像拼接:拼接操作可以將人的圖像組合在一起，給建筑物加門，給停車場加樹，加車等等。拼接的圖像也可以包含復制/粘貼操作產生的部分。接收拼接部分的圖像稱為“主機”圖像。與宿主映像拼接在一起的部分稱為“外星人”。

可以找到第一階段和第二階段的整個數據集在這里。對于這個項目，我們將只使用火車集。它包含2個目錄—一個包含假圖像及其對應的掩碼，另一個包含原始圖像。偽圖像的掩碼是描述偽圖像拼接區(qū)域的黑白(非灰度)圖像。蒙版中的黑色像素表示在源圖像中進行操作以獲得偽造圖像的區(qū)域，特別是拼接區(qū)域。

該數據集由1050張原始圖像和450張偽造圖像組成。彩色圖像通常是三個通道的圖像，紅、綠、藍各一個通道，但有時也會出現黃色的第四個通道。我們的數據集中的圖像是1、3和4通道圖像的混合。在觀察一些1通道圖像即灰度圖像后。

挑戰(zhàn)設置者有意添加這些圖像，因為他們想要解決這樣的噪聲。盡管一些藍色的圖像可以是晴朗天空的圖像。因此，其中一些被包括在內，而另一些則作為噪聲被丟棄。來看看四個頻道的圖像——它們也沒有任何有用的信息。它們只是填充0值的像素網格。因此，清理后的原始數據集包含大約1025張RGB圖像。

假圖像是3和4通道圖像的混合，但是，沒有一個是噪聲的。相應的掩模是1、3和4通道圖像的混合。我們將使用的特征提取只需要從蒙版的一個通道獲取信息。因此，我們的偽造圖像語料庫有450個贗品。接下來，我們做了一個火車測試分離，以保留20%的1475張照片的最終測試。

數據集目前的狀態(tài)不適合訓練模型。它必須轉換成一種狀態(tài)，這種狀態(tài)非常適合于手頭的任務，即在像素級檢測由于鍛造操作而引入的異常。把思想從在這里，我們設計了以下方法來從給定的數據創(chuàng)建相關的圖像。

對于每一個假圖像，我們都有一個對應的掩模。我們使用該掩模沿拼接區(qū)域的邊界對假圖像進行采樣，以確保圖像的偽造部分和未偽造部分都至少有25%的貢獻。這些樣本將具有只有在假圖像中才會出現的可區(qū)分的邊界。這些界限將由我們設計的CNN來學習。由于mask的3個通道都包含相同的信息(不同像素的圖像的假部分)，所以我們只需要1個通道來提取樣本。

為了使圖像的邊界更加清晰，將灰度圖像轉換為二值圖像首先進行閾值(實施OpenCV)，然后用高斯濾波器去噪。在此操作之后，采樣僅僅是在偽圖像中移動一個64×64窗口(8步)，在對應的掩模中計數0值(黑色)像素，如果值在一定的間隔內進行采樣。

In [29]:# Convert grayscale images to binarybinaries=[]

for grayscale in x_train_masks:    blur = cv2.GaussianBlur(grayscale,(5,5),0)    ret,th = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)    binaries.append(th)In [56]:~binaries[28]Out[56]:array([[0, 0, 0, ..., 0, 0, 0],       [0, 0, 0, ..., 0, 0, 0],       [0, 0, 0, ..., 0, 0, 0],       ...,       [0, 0, 0, ..., 0, 0, 0],       [0, 0, 0, ..., 0, 0, 0],       [0, 0, 0, ..., 0, 0, 0]], dtype=uint8)

采樣后，我們從假圖像中得到175,119個64×64補丁。為了生成0標記(原始)補丁，我們從真實圖像中采樣了大致相同的數量。最后，我們有350,728個補丁，它們被分成了多個序列和交叉驗證集。

現在我們有了一個大的高質量輸入圖像數據集?，F在是試驗各種CNN架構的時候了。

我們嘗試的第一個建筑靈感來自于最初的建筑研究論文． 他們的輸入圖像大小為128×128×3，因此網絡很大。因為我們有一半的空間大小，我們的網絡也更小。這是第一個嘗試的架構。

綠色的圖層是卷積的，藍色的是Max pool。該網絡對150,000列樣本(用于測試)和25,000驗證樣本進行了訓練。該網絡有8536個參數，與列車樣本相比相對較少，因此避免了更激進的輟學的需要。在20個單位的平坦產量上應用了0.2的輟學率。我們使用缺省學習率(0.001)和beta_1, beta_2的Adam優(yōu)化器。在大約___個時代之后，結果如下

列車精度:77.13%，列車損耗:0.4678

驗證準確性:75.68%，驗證損耗:0.5121

這些數字并不是很令人印象深刻，因為在2012年，CNN以巨大的優(yōu)勢擊敗了專家們經過多年研究開發(fā)的特色節(jié)目。然而，考慮到我們完全沒有使用圖像取證知識(像素統(tǒng)計和相關概念)來獲得看不見的數據的___精度，這些數字也不是很糟糕。

因為這是一個CNN它擊敗了所有經典的機器學習算法ImageNet分類任務，為什么不利用這些強大的機器之一的工作來解決手邊的問題呢?這是背后的想法轉移學習． 簡而言之，我們使用一個預訓練模型的權重來解決我們的問題，這個模型可能是在一個更大的數據集上訓練的，在解決它的問題時給出了更好的結果。換句話說，我們將一種模型的學習“轉移”到我們自己的模型上。在我們的例子中，我們使用theVGG16在ImageNet數據集上訓練，使我們的數據集中的圖像矢量化。在這里，我們嘗試了兩種方法

1. 使用VGG16輸出的瓶頸特性，并在此基礎上構建一個淺網絡。

2. 微調上面(1)中VGG16+Shallow模型的最后一個卷積層。

憑直覺，2給出的結果比1好得多。我們嘗試了多種淺層網絡架構，最終到達這里

平坦層的輸入是VGG16輸出的瓶頸特征。這些是形狀的張量(2×2×512)，因為我們使用了64×64輸入圖像。

上面的架構給出了以下結果

列車精度83.18%，列車損耗0.3230

驗證精度84.26%，驗證損耗0.3833

我們使用Adam優(yōu)化器進行訓練，自定義學習率在每10個epoch后降低(除了在每批處理后由Adam定期更新)。

第二種方法需要微調最后一層。這里需要注意的重要一點是，為了進行微調，我們必須使用預先訓練好的頂層模型。目標是稍微改變已經掌握的權重，以便更好地擬合數據。如果我們使用一些隨機初始化的權值，輕微的變化不會對它們有任何好處，而大的變化會破壞學習到的卷積層的權值。我們還需要一個非常小的學習率來微調我們的模型(原因與上面提到的相同)。在這后，建議使用SGD優(yōu)化器進行微調。然而，我們觀察到亞當在這項任務上比SGD表現得更好。

微調模型得到以下結果

列車精度:99.16%，列車損耗:0.018

驗證精度94.77%，驗證損耗0.30

稍微過擬合的模型，可以通過使用更小的學習速率來補救(我們使用1e-6)。

除了VGG16，我們還嘗試了ResNet50和VGG19模型在Image-Net數據集上預先訓練的瓶頸特性。ResNet50的功能表現優(yōu)于VGG16。VGG19的表現不是很令人滿意。我們對ResNet50體系結構(最后一個卷積層)進行了微調，采用了與VGG16類似的方式，使用相同的學習率更新策略，在較小的過擬合問題下給出了更有希望的結果。

列車準確率:98.65%，列車損耗:0.048

驗證精度:95.22%，驗證損耗:0.18

為了從之前創(chuàng)建的測試集中采樣圖像，我們采用了與創(chuàng)建訓練和交叉驗證集類似的策略，即在邊界處使用掩模采樣假圖像，并采樣相同尺寸的相同數量的原始圖像。我們使用經過微調的VGG16模型來預測這些補丁的標簽，并給出了以下結果

測試精度:94.65%，測試損耗:0.31

另一方面，ResNet50給出了以下測試數據的結果

測試精度:95.09%，測試損耗:0.19

正如我們所見，我們的模型表現得很好。我們還有很多改進的余地。如果通過數據增強(剪切、調整大小、旋轉和其他操作)可以生成更多的數據，或許我們可以對更多的SOTA網絡層進行微調。

---END---

雙一流大學研究生團隊創(chuàng)建，一個專注于目標檢測與深度學習的組織，希望可以將分享變成一種習慣。 

整理不易，點贊三連↓