原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第41卷第3期哈尔滨商业大学学报（自然科学版)Vol.41No.3
2025年6月JournalofHarbinUniversityofCommerce(NaturalSciencesEdition)Jun.2025
基于注意力机制和DeepLabv3+的图像篡改检测方法
吴琛,唐贝贝，邵叱风
（安徽理工大学计算机科学与工程学院,安徽淮南232001）
摘要：针对图像篡改检测领域中无法有效处理不同尺度特征的问题，设计了一种基于
改进DeepLabv3+的图像篡改检测网络.该网络采用改进后的SKAttention模块
ISKAttention模块，结合DeepLabv3+分割网络结构，能够有效融合不同尺度的特征信
息。此外，引入坐标注意力使网络能够更加灵活的选择不同位置的语义信息，从而更好
地增强对纹理特征的感知能力,进一步强化网络的检测准确性.经过实验验证,与现有
的检测方法相比，该网络能够更准确地定位和识别图像中的篡改区域,特别是针对拼接
篡改等复杂情况，该网络在CASIAV1.O和COLUMBIA数据集上表现出了较高的准确
性,F1分数分别达到了92.2%和91.4%，展现了出色的通用性和鲁棒性.这一结果清
晰地表明该方法在处理图像改检测领域中尺度特征问题方面具有显著的优势，可为
图像篡改检测领域的进一步研究和应用提供有力的支持。
关键词：深度学习；图像篡改检测;ISKAttention;DeepLabv3+网络；坐标注意力
中图分类号：TP391文献标识码：A文章编号：1672-0946(2025)03-0283-07
ImagestampereddetectionmethodbasedonattentionmechanismandDeepLabv3+network
WUChen,TANGBeibei,SHAOChifeng
(SchoolofComputerScienceandEngineering,AnhuiUniversityofScienceandTechnology,Huainan232001,China)
Abstract:AmodifiedDeepLabv3+basedimagetampereddetectionnetworkwasdesignedto
addresstheissueofineffectiveprocessingoffeaturesatdifferentscalesinthefieldofimage
tampereddetection.ThisnetworkadoptedanimprovedSKAttentionmodule-ISKAttention
module,combinedwiththeDeepLabv3+segmentationnetworkstructure,whichcould
effectivelyfusefeatureinformationofdifferentscales.Inaddition,introducingcoordinate
attentionenabledthenetworktomoreflexiblyselectsemanticinformationfromdifferent
positions,therebyenhancingitsperceptionoftexturefeaturesandfurtherenhancingthe
networksdetectionaccuracy.Afterexperimentalverification,comparedwithexisting
detectionmethods,
文档评论（0）