基于HiFi-Net优化的伪造图像检测关键技术研究.pdfVIP

摘要

伪造图像被不当利用将带来严重后果或重大损失，统一图像伪造属性分类检测、伪

造区域定位是伪造图像检测需求。本文面向HiFi-Net伪造图像检测模型优化，重点研究

面向特征提取及区域定位性能提升的模型优化、应用卷积轻量化及知识蒸馏的模型压缩

技术，提升伪造图像检测模型细粒度特征表示、伪造区域定位准确性以及检测快速性，

并在用例中完成应用验证，这对于保障图像信息安全，降低伪造所造成的危害，促进在

线检测技术与装备智能化发展，具有重要学术价值与实际意义。

论文概述伪造图像与检测类型，表明伪造图像生成方法和伪造图像属性多样性；评

述国内外研究进展，指出特征学习检测方法能自主学习不同类型伪造图像的区分性特征

属性，度量真伪图像之间内在差异，其中HiFi-Net作为代表性模型，通用性高，鲁棒性

好，能较好完成伪造属特征提取及区域定位优化任务；指出研究深度学习模型轻量化方

法，可在工业场景部署模型，实现生产应用便捷化，其中卷积架构轻量化、知识蒸馏兼

顾检测准确性、实时性性能要求。确定论文研究内容及框架，主要工作如下：

⑴开展基于HiFi-Net优化的伪造图像检测技术总体框架设计与关键技术分析。分

析细粒度伪造图像检测需求，提出基于HiFi-Net优化伪造图像检测技术总体框架，主要

包含基于HiFi-Net优化的伪造图像检测方案、HiFi-Net模型检测流程及其优化方法、基

于HiFi-Net优化模型的伪造图像检测平台开发与应用等，指出需重点突破面向特征提

取及区域定位性能提升的模型优化、应用卷积轻量化及知识蒸馏的模型压缩两方面关键

技术；指出U-HRNet密集掩膜分割预测效果更好，引入伪造属性分类模块损失函数免

采样方法，提升细粒度伪造图像检测特征表示，引入即插即用的ECA模块，可使模型

关注更有效的特征通道，更好地完成像素级别伪造区域定位任务。

⑵研究面向特征提取及区域定位性能提升的HiFi-Net优化技术。针对应用HiFi-

Net完成伪造图像检测存在的伪造图像语义特征表达、伪造区域响应不充分问题，研究

应用U-HRNet、SoftTripleLoss伪造图像特征图语义提升、细粒度特征嵌入优化方法，

应用U-HRNet拓宽宽度、增强深度，使网络持续学习伪造图像特征，并有效保留高分

辨率特征信息，改善高分辨率特征语义表达；引入SoftTripleLoss方法为每种细粒度伪

造属性类别构造多个类别中心，改善细粒度伪造属性特征嵌入，优化模型伪造属性分类

器。研究应用ECA模块的伪造区域定位优化技术，在特征提取网络中应用ECA模块，

过滤部分通道权重或进行通道间特征交互，保留关键信息，提高模型伪造区域定位鲁棒

性。开展相关仿真实验验证细粒度特征提取优化、伪造区域定位性能提升效果，验证

HiFi-Net优化后的EnFi-Net模型完成细粒度伪造图像检测有效性。

⑶研究应用卷积轻量化及知识蒸馏的EnFi-Net模型压缩技术。针对伪造图像检测

模型EnFi-Net网络结构参数冗余、运算复杂等问题，设计伪造图像检测模型EnFi-Net

轻量化架构，降低特征提取网络的计算复杂度，得到LiteEnFi-Net轻量化模型。针对

LiteEnFi-Net轻量化模型伪造图像检测性能不足问题，研究知识蒸馏方法实现轻量化模

型性能提升，引入应用DML的知识蒸馏模型轻量化方法，使用高性能EnFi-Net教师模

型、LiteEnFi-Net轻量化学生模型构建模型训练队列，设计面向DML方法的多层级伪

造属性分类损失函数、伪造区域定位掩膜损失函数，应用DML方法训练策略训练模型，

提高学生模型性能、增强教师模型泛化能力。通过分析LiteEnFi-Net轻量化模型参数量、

计算量，验证模型轻量化效果；通过相关仿真实验验证应用DML方法提升轻量化模型

技术有效性。

⑷开展基于HiFi-Net优化的伪造图像检测平台搭建与验证。面向伪造图像在线检

测技术与生产应用便捷化需求，设计基于HiFi-Net优化的伪造图像检测平台整体架构、

检测平台架构及各部件功能，开发集成各组件的Web端、PC端软件；开展伪造图像检

测相关应用例验证。特种设备焊缝射线底片检测、燃气表外观图像检测、自建数据集实

例检测、焊缝射线底片真伪检测，均验证本文基于HiFi-Net优化方法的可行性