王 宏，錢 清，王 歡，龍 永

（貴州財經(jīng)大學 信息學院，貴陽 550025）

0 引言

在過去十年中，全球數(shù)據(jù)流量以前所未有的速度增長，促進了圖像在當代社會的傳播。但隨著多媒體應用的普及和數(shù)字圖像編輯軟件的發(fā)展，圖像的真實性嚴重影響了圖像的使用，懷有惡意的圖像偽造篡改成為全球關(guān)注的問題。在圖像被動取證領(lǐng)域，圖像的復制-粘貼篡改因源區(qū)域和目標區(qū)域源于同一張圖像，篡改區(qū)域具有的特征（如飽和度、光源、噪聲等）能不加改變就具有良好的適應性，因此具有較強的隱匿性，不易被識別［1］。同時，海量圖像的傳播對復制-粘貼篡改檢測計算量提出嚴苛的挑戰(zhàn)，對算法效率要求較高。

深度學習作為一種基于人工神經(jīng)網(wǎng)絡(luò)的機器學習概念，以數(shù)據(jù)驅(qū)動通過分析海量數(shù)據(jù)捕捉任務的主要特征。根據(jù)深度學習的結(jié)構(gòu)特點，可分為卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）［2］和循環(huán)神經(jīng)網(wǎng)絡(luò)。深度學習因具有精準度高、結(jié)構(gòu)多樣、可自主學習［3］等優(yōu)點，能夠解決不同應用領(lǐng)域的大部分問題，具有廣泛的應用空間。

研究表明，CNN 具有平移不變性，能夠通過重復簡單的模式來描述復雜的模型，不易發(fā)生過擬合，模型更易理解，能夠充分利用局部語義信息等優(yōu)點。但是卷積層只能緩慢增加感受野，忽略了長端依賴性，從而影響模型的表現(xiàn)能力。

注意力模型已經(jīng)成為自然語言處理領(lǐng)域中的主流技術(shù)之一，近年來，也在計算機視覺領(lǐng)域得到廣泛應用［4］，注意力模型具有在初期就可獲取全局感受野、可并行化操作等優(yōu)點，但注意力模型所需要的計算資源龐大，同時還有忽略圖像位置信息、在小數(shù)據(jù)集上表現(xiàn)不強、無法捕捉局部信息和不能實現(xiàn)通道維度適應性等缺點。雖然利用CNN 的特點將注意力模型進行輕量化能有效克服計算資源龐大等缺點［5］；然而，局部信息的獲取、在小數(shù)據(jù)集上表現(xiàn)不強和通道維度適應性差等問題仍未解決。

因此，本文改進了原有EfficientNetV2［6］，將大核注意力（Large Kernel Attention，LKA）卷積模塊引入EfficientNetV2，提出了LKA-EfficientNet（Large Kernel Attention EfficientNet）算法，從而在圖像被動取證領(lǐng)域?qū)D像復制-粘貼篡改進行檢測。本文的主要工作如下：

1）在EfficientNetV2 中設(shè)計大核注意力（LKA）卷積塊，實現(xiàn)圖像復制-粘貼定位，通過通道卷積、標準卷積、空洞卷積的融合，在網(wǎng)絡(luò)初期利用注意力優(yōu)勢獲取全局感受野，規(guī)避注意力機制的高計算開銷并提高了運算速度。

2）針對圖像復制-粘貼篡改操作所固有的特點，進一步壓縮精簡EfficientNetV2，通過精簡網(wǎng)絡(luò)結(jié)構(gòu)降低計算復雜度并有效提高精度。

1 相關(guān)工作

早期的圖像復制-粘貼篡改檢測算法聚焦于圖像塊的遷移［7］。Cozzolino 等［8］提出一種較通用的傳統(tǒng)復制-粘貼篡改檢測框架，包含提取圖像特征、相似特征匹配、定位源區(qū)域和目標區(qū)域?；诖擞址譃閳D像塊檢測［9］和特征點檢測算法［10］，但不論是基于圖像塊還是基于特征點的算法都有局限性，例如圖像處理緩慢、泛化性差、只針對特定的幾類篡改類型的圖像等［11］。

近年來，由于深度學習的精準度高、結(jié)構(gòu)多樣、可自主學習性強的特點，深度學習逐漸被應用到圖像被動取證領(lǐng)域。Rao 等［12］提出以第一層為高通濾波器的CNN 架構(gòu)，提取殘差特征映射，從而分辨篡改偽造圖像；Wu 等［13］設(shè)計端到端的篡改檢測網(wǎng)絡(luò)BusterNet，采取雙分支結(jié)構(gòu)，通過檢測圖像相似度來識別源區(qū)域和目標區(qū)域，但對雙分支要求較高，辨識效果較差；Chen 等［14］提出一種串行分支網(wǎng)絡(luò)模型以改進BusterNet 的缺點，該網(wǎng)絡(luò)包含相似性檢測網(wǎng)絡(luò)CMSDNet（Copy-Move Similarity Detection Network）和目標鑒別網(wǎng)絡(luò)STRDNet（Source/Target Region Distinguishment Network）。STRDNet 研究CMSDNet 獲得的相似塊的分類問題，相較于BusterNet 的分支更簡單且準確率更高，但是運算量過大。Zhou 等［15］基 于RGB 流和噪聲流，提出雙流Faster R-CNN（Faster Region-based Convolutional Neural Network）的圖像篡改檢測，并使用雙線性池化層將特征進行融合，該方法對圖片縮放、壓縮具有很強的魯棒性，但網(wǎng)絡(luò)能力有限，對多種篡改類型的檢測效果不佳；Wu 等［16］設(shè)計的ManTra-Net（Manipulation Tracing Network）為串行網(wǎng)絡(luò)，包括圖像檢測網(wǎng)絡(luò)和局部異常檢測網(wǎng)絡(luò)，在圖像檢測網(wǎng)絡(luò)中通過ZPool2D 層模擬人眼進行距離分析，并通過Z 分數(shù)的形式標準化局部特征與其參考之間的差異；該網(wǎng)絡(luò)對微小篡改具有魯棒性，輸入圖像尺寸靈活可變，但網(wǎng)絡(luò)檢測效果較差。徐代等［17］基于文獻［15］提出三流網(wǎng)絡(luò)，分別對圖像不同特征進行檢測從而提高網(wǎng)絡(luò)輸出精度；Zhong 等［18］提出基于Dense-InceptionNet 的檢測方案，充分使用多尺度信息和稠密特征，通過特征金字塔提取特征，使用特征相關(guān)匹配算法和后處理步驟定位源區(qū)域與目標區(qū)域。該算法對幾何變換篡改和JPEG（Joint Photographic Experts Group）壓縮都有一定的魯棒性。吳旭等［19］通過副分支研究篡改區(qū)域邊緣的像素間差異來提高檢測精度；Barni 等［20］提出多分支網(wǎng)絡(luò)對圖像復制篡改進行檢測以識別源區(qū)域和目標區(qū)域，分別對4-Twins Net 分支和Siamese Net 分支進行訓練并完成定位，具有精度高、識別明顯等優(yōu)點，但利用四分支導致網(wǎng)絡(luò)龐大且臃腫。

2 預備知識

2.1 大核注意力卷積

近些年來，自注意力模塊在各種計算機視覺領(lǐng)域得到廣泛應用。然而，圖像的性質(zhì)和自注意力的機制相性不高，自注意力的應用在計算機視覺領(lǐng)域中出現(xiàn)了以下問題：1）將圖像作為一維序列處理，不符合圖像的二維架構(gòu)；2）較高復雜度的計算開銷對于高分辨率圖像來說資源耗費過于龐大；3）只考慮空間適應性，忽略了圖像的通道適應性。

為了解決自注意力存在的問題，基于大核卷積的注意力機制應運而生。如圖1 所示，LKA 模塊由三個卷積組成，分別是普通卷積，卷積核為5 × 5；空洞卷積，卷積核為7 × 7，間距為3；通道卷積，卷積核為1 × 1。LKA 兼顧卷積和Transformer 的優(yōu)點，解決了卷積在長端依賴性差和Transformer 在局部信息和通道維度上適應性差的問題；但目前基于卷積的注意力機制主要應用在圖像分類領(lǐng)域，應用在圖像復制-粘貼取證領(lǐng)域的相關(guān)研究較少。

圖1 LKA模塊的構(gòu)成Fig.1 Composition of LKA module

因此，為了克服傳統(tǒng)卷積的缺點，本文采用大核注意力卷積提取全局感受野的圖像特征，使提取的圖像特征相較于傳統(tǒng)卷積具有長端依賴性。

2.2 EfficientNetV2算法

EfficientNetV2 利用漸進式學習策略，通過復合縮放對比不同深度、寬度和輸入圖像的分辨率，尋找最優(yōu)解，進而實現(xiàn)精度和計算量的均衡［6］。它的主要模塊Fused-MBConv 和MBConv 如圖2 所示，MBConv 模塊先進行升維操作，再通過深度可分離卷積進行運算，最后進行降維操作；Fused-MBConv 將升維卷積和可分離卷積替換為普通3 × 3卷積，從而提高運算速度。在早期階段中Fused-MBConv 在網(wǎng)絡(luò)上層參數(shù)和理論計算量的開銷較小，通過融合能提高運算速度；但是如果所有塊都使用Fused-MBConv，網(wǎng)絡(luò)會增加參數(shù)量和理論計算量，降低運算速度。

圖2 EfficientNetV2的主要模塊Fig.2 Main modules of EfficientNetV2

圖像的篡改部分通常都具有與原圖某片區(qū)域相似的性質(zhì)，更深層的特征在消耗更多計算資源的情況下趨于收斂從而難以區(qū)分，降低了算法精度。因此傳統(tǒng)的EfficientNetV2不適用于圖像復制-粘貼檢測，相關(guān)研究較少。

本文在EfficientNetV2 中設(shè)計LKA 卷積塊，并經(jīng)過大量實驗對基干網(wǎng)絡(luò)中輸出通道數(shù)和重復次數(shù)進行了壓縮，優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu)，在保證檢測精度的同時提高檢測效率。

2.3 多尺度特征金字塔

特征金字塔網(wǎng)絡(luò)（Feature Pyramid Network，F(xiàn)PN）作為多尺度目標識別的關(guān)鍵組件，能同時利用低層特征的高辨識度特點和高層特征的強語義信息，融合不同層的特征從而檢測出目標區(qū)域。由于FPN 的內(nèi)存占用和計算量大，嚴重限制了它的廣泛使用［21］。本文利用網(wǎng)絡(luò)本身固有的多尺度、層次化特點構(gòu)建FPN，在多層不同尺度上構(gòu)建高層語義特征，克服FPN 的缺點并實現(xiàn)目標區(qū)域檢測。

不同圖像對同一目標的表征不同，這一表征的外在表現(xiàn)為顏色、尺寸的不同，但它的內(nèi)在特征具有同一性。FPN 能實現(xiàn)低層特征語義信息與高層語義信息的融合，從而精確地定位源區(qū)域與目標區(qū)域。FPN 通過相關(guān)特征層數(shù)的累加獲得一個強語義信息，變相增加低層特征的深度并融合多層的信息特征，從而對不同的特征進行輸出并提高檢測性能。

FPN 對不同層數(shù)的不同特征分別進行圖像篡改檢測，而后對結(jié)果進行加權(quán)，當使用更深的層次構(gòu)造FPN 時，能夠得到更魯棒的信息，從而通過低層特征和經(jīng)過上采樣處理過的高層特征的融合，利用低層特征所提供的準確位置信息來修正高層特征經(jīng)過多次降采樣和上采樣所造成的定位誤差。

3 LKA-EfficientNet算法

近年來，隨著多媒體的興起和圖像的廣泛使用，對圖像的復制-粘貼篡改操作愈加容易，而圖像的真實性也變得愈加重要。由于篡改圖像的圖像特性，在消耗更多硬件資源的情況下所進行的更深層次的信息抽取網(wǎng)絡(luò)結(jié)構(gòu)并不能有效提升算法的精度。與此同時，傳統(tǒng)卷積感受野增加緩慢且無法實現(xiàn)長端依賴性，會影響算法的表現(xiàn)能力。為此，本文充分融合大核卷積注意力機制的長端依賴性和全局感受野特性，對傳統(tǒng)EfficientNetV2 進行了改進，設(shè)計了一種新的基于大核注意力卷積塊的輕量化網(wǎng)絡(luò)模型以實現(xiàn)復制-粘貼篡改圖像的檢測和定位。如圖3 所示，本文提出的LKAEfficientNet 是一種高效的端到端篡改檢測算法，可將所有模塊連接起來作為一個整體進行訓練。

圖3 融合大核卷積的輕量級多尺度融合的圖像篡改檢測算法流程Fig.3 Flow chart of image tamper detection algorithm based on lightweight multi-scale fusion with large kernel convolution

針對現(xiàn)有基干網(wǎng)絡(luò)特征提取不全、檢測精度較低、泛化能力差、時間復雜度高等問題，本文改進了原始EfficientNetV2，采用LKA 卷積塊替代傳統(tǒng)卷積塊，使得網(wǎng)絡(luò)獲得長端依賴性和全局感受野，從而提取粗粒度的全局圖像特征；隨后，進一步壓縮了EfficientNetV2 中輸出通道和重復層數(shù)，從全局圖像特征中提取多維、多尺度的細粒度特征；最后，利用通過FPN 得到的三個候選匹配圖融合處理獲得三元組交叉熵函損失函數(shù)［22］進行訓練并更新網(wǎng)絡(luò)權(quán)重，從而在定位源區(qū)域與目標區(qū)域的同時提高網(wǎng)絡(luò)性能。

3.1 LKA-EfficientNet

原始EfficientNetV2 和LKA-EfficientNet 的網(wǎng)絡(luò)結(jié)構(gòu)分別如 表1～2 所示。表1 中Conv3×3 表示普通3 × 3 卷積+SiLU（Sigmoid Linear Unit）激活函數(shù)+批歸一化（BatchNorm，BN）正則函數(shù)；SE（Squeeze and Excitation）為自注意力模塊，0.25為SE 模塊中第一個全連接層的系數(shù)，表示輸入該模塊特征矩陣通道數(shù)量的表示卷積核大??；Fused-MBConv、MBConv 后的數(shù)字為膨脹系數(shù)。由于傳統(tǒng)卷積模塊的感受野較小且增長緩慢，無法高效利用圖像的遠端像素，本文在基干網(wǎng)絡(luò)開端引入LKA，充分利用LKA 具有長端依賴和能夠獲取全局感受野的特性，提取了圖像粗粒度全局特征，有效提高了網(wǎng)絡(luò)精度。

表1 原始EfficientNetV2算法的網(wǎng)絡(luò)結(jié)構(gòu)Tab.1 Network structure of original EfficientNetV2 algorithm

此外，為了能夠提高基干網(wǎng)絡(luò)的運行效率和檢測精度，本文通過實驗論證對Fused-MBConv 和MBConv 層中的輸出通道和重復層數(shù)進行了壓縮，在減少參數(shù)與理論計算量的前提下保證了檢測精度，提高了檢測效率。

從表2 可以看出，本文在EfficientNetV2 模型設(shè)計了LKA卷積塊，并在后續(xù)的各模塊中壓縮了輸出通道數(shù)和重復層數(shù)。在壓縮過程中，充分利用網(wǎng)格搜索對網(wǎng)絡(luò)深度進行搜索，在確定深度的前提下對網(wǎng)絡(luò)層間重復次數(shù)進行搜索，然后再對網(wǎng)絡(luò)寬度進行搜索從而確定網(wǎng)絡(luò)參數(shù)，通過參數(shù)和維度的縮減來優(yōu)化精簡算法，在保證算法精度的同時減小網(wǎng)絡(luò)計算開銷，經(jīng)過基干網(wǎng)絡(luò)提取的細粒度、多尺度特征圖像將輸出至FPN。

表2 LKA-EfficientNet算法的網(wǎng)絡(luò)結(jié)構(gòu)Tab.2 Network structure of LKA-EfficientNet algorithm

3.2 基于特征金字塔的后處理圖像篡改定位算法

LKA-EfficientNet 利用一個輔助匹配模塊來定位源區(qū)域與目標區(qū)域并學習豐富的層次特征之間的相關(guān)性。三個候選像素塊的區(qū)域大小分別為28 × 28、14 × 14、7 × 7，候選像素塊的深度分別為48、64、128。LKA-EfficientNet 使用歐氏距離定義特征相關(guān)系數(shù)。設(shè)特征塊為P0，其中P0={P1，P2，…，Pi…，PN×N}，則P1的M維的描述算子為：

其中：N為候選像素塊中像素點的數(shù)量；M為特征深度。定義特征點Pi與其他特征點的特征相關(guān)系數(shù)，如式（2）所示：

其中：下標i和j表示特征點Pi和Pj在相應的匹配映射中的定位；Pci，j為配對測量值，表示特征點Pi和Pj間特征相關(guān)系數(shù)。當相關(guān)系數(shù)接近0 時，說明兩個特征點非常相似，其中Pci，i的相關(guān)系數(shù)為0。

LKA-EfficientNet 利用2NN（Two Nearest Neighbour）匹配算法減小匹配誤差［23］。定義Pci，j為次小特征相關(guān)系數(shù)，Pci，k為第三小特征相關(guān)系數(shù)，設(shè)定閾值TL=0.65，匹配條件為：

隨后，LKA-EfficientNet 對相關(guān)特征進行篩選，使用特征匹配度量來度量源像素與其候選目標像素之間的相似性，并將其轉(zhuǎn)化為二分類問題，步驟如式（4）所示，α=2：當特征匹配度量符合條件時，輸出結(jié)果接近1；而當不符合條件時，輸出結(jié)果接近0，由此篩選出特征候選區(qū)域。圖4 表示了FPN中不同層的處理結(jié)果與融合結(jié)果。

圖4 三個匹配圖及其組合Fig.4 Three matching maps and their combinations

利用低層特征所提供的準確位置信息修正高層特征經(jīng)過多次降采樣和上采樣所造成的定位誤差。圖像篡改定位部分以偽代碼形式給出。

從表 1中可以看出, 當網(wǎng)格節(jié)點數(shù)量大于5×105時, 數(shù)值計算收斂, 計算的平均誤差小于7%， 在可以接受的范圍之內(nèi), 并且隨著網(wǎng)格節(jié)點數(shù)量的增大, 計算結(jié)果沒有發(fā)生顯著變化, 綜合考慮計算準確性與經(jīng)濟性, 本文選用節(jié)點數(shù)量為8.5×105的網(wǎng)格作為數(shù)值模擬所用的計算網(wǎng)格.

輸入M維特征，每個維度中N×N特征值，TL閾值，系數(shù)因子α；

輸出 特征相似性表征P。

3.3 基于三元組交叉熵損失函數(shù)的網(wǎng)絡(luò)參數(shù)更新算法

LKA-EfficientNet 將2NN 匹配算法處理后的對數(shù)化候選特征矩陣作為損失函數(shù)中的函數(shù)，將事實像素GT（Ground Truth）中不同類別的像素作為損失函數(shù)中的系數(shù)，兩者配合組成損失函數(shù)。隨后LKA-EfficientNet 利用損失函數(shù)量化網(wǎng)絡(luò)預測結(jié)果與GT 之間的差值，通過梯度下降更新網(wǎng)絡(luò)權(quán)重，進而減小量化指標提升網(wǎng)絡(luò)預測結(jié)果與GT 的相似性。

為了提升圖像篡改定位的精確性，本文利用三元組交叉熵損失函數(shù)對輸入相似結(jié)構(gòu)能夠精確地對細節(jié)建模的性質(zhì)，通過訓練縮減錨（Anchor）與標記區(qū)域之間的距離并擴大Anchor 與無篡改區(qū)域的距離，促使類間距離大于類內(nèi)距離，如圖5 所示。

圖5 三元組損失函數(shù)Fig.5 Triplet loss function

由式（4）計算得到相對應的候選矩陣后，特征匹配Ⅰ、Ⅱ、Ⅲ組成了特征金字塔，其中：特征匹配Ⅰ提供全局和粗粒度特性的匹配相關(guān)性，特征匹配Ⅱ、Ⅲ提供局部和精細特性的匹配相關(guān)性。為便于使用交叉熵進行全局統(tǒng)計與局部統(tǒng)計，使用雙線性插值將候選圖拓展成224×224。由式（4）可知，上采樣特征匹配的特征匹配系數(shù)P(Xi，j)在（0，1）范圍內(nèi)，計算上采樣后的匹配映射的像素i和j相較于它的標簽的交叉熵：

通過交叉熵衡量候選矩陣與GT 概率分布的差異程度，隨后通過熵的大小表征真實概率分布與預測概率分布之間的差異，并利用交叉熵損失函數(shù)的梯度從其負梯度方向進行反向傳播更新參數(shù)進而優(yōu)化網(wǎng)絡(luò)。

4 實驗與結(jié)果分析

本文主要從消融實驗、抗攻擊實驗、泛化實驗等幾個方面對LKA-EfficientNet 和相關(guān)算法進行性能比較與分析。

實驗環(huán)境為：Python3.8、PyTorch1.10，GPU 為RTX3060，實驗參數(shù)為Dropout=0.15，batchsize=32，優(yōu)化器為SGD+Momentum，初始學習率為0.001，訓練集和驗證集的劃分比例為8∶2，輸入圖像大小為224 × 224，三個候選像素塊的區(qū)域大小分別為28 × 28、14 × 14、7 × 7，三個候選像素塊的深度為48、64、128。

4.1 數(shù)據(jù)集與評價指標

混合數(shù)據(jù)集：將CASIA2.0［24］和Comofod_small［25］數(shù)據(jù)集進行混合，總計20 665 張圖片，包含真實圖片12 449 張，篡改圖片8 216 張。數(shù)據(jù)集的混合不僅能增大訓練量，并且包含被攻擊數(shù)據(jù)，所以網(wǎng)絡(luò)能通過數(shù)據(jù)集的訓練提高檢測性能。

Dataset 數(shù)據(jù)集［26］：包含多種攻擊下的篡改圖片總計2 200 張。

MICC-F2000 數(shù)據(jù)集［27］：由2 000 張圖片組成，其中，1 300張為真實圖片，700 張為篡改圖片。

COVERAGE 數(shù)據(jù)集［28］：由200 張圖片組成，包含100 張篡改圖片。

MICC-F600 數(shù)據(jù)集［29］：共計600 張圖片，其中，440 張為真實圖片，160 張為篡改圖片。

使用查準率P（Precision）、查全率R（Recall）、F1 分數(shù)［30］和精度Acc（Accuracy）評估性能，并且使用浮點運算量［31］和參數(shù)量衡量算法復雜程度。Acc為模型預測為真且標簽為真的數(shù)據(jù)與模型預測為假且標簽為假的數(shù)據(jù)之和除以總樣本數(shù)；P為正確檢測到的偽造圖像與所有檢測到的圖像的比率；R為正確檢測到的偽造圖像與所有偽造圖像的比例。

P=預測為1且正確的樣本數(shù)所有預測為1的樣本數(shù)

R=預測為1且正確的樣本數(shù)真實標簽為1的樣本數(shù)

F1 值作為綜合標準，兼顧查準率和查全率。

RF1=2PR(P+R)

4.2 實驗結(jié)果與分析

4.2.1 消融實驗

消融實驗均在混合數(shù)據(jù)集上進行。表3 是在多個不同類型的網(wǎng)絡(luò)上進行的消融實驗，實驗的具體設(shè)置參數(shù)如下：使用第三類Early Stopping 函數(shù)，代數(shù)為20 代，使用SGD+Momentum 優(yōu)化器。對網(wǎng)絡(luò)代數(shù)進行限制，16 層時代數(shù)為150 代，每增加4 層，代數(shù)增加50 代，添加LKA 模塊后網(wǎng)絡(luò)代數(shù)在原有基礎(chǔ)上增加30 代。

表3 不同層數(shù)的基干網(wǎng)絡(luò)消融實驗結(jié)果Tab.3 Ablation experimental results of backbone networks with different layers

通過表3 可以看出，在添加LKA 模塊后，網(wǎng)絡(luò)在相同層數(shù)下，精度因為網(wǎng)絡(luò)未能充分訓練而發(fā)生訓練效果減弱等問題。通過擴展一定的模型層數(shù)，能夠顯著提高模型精度，提升檢測性能。

現(xiàn)行的圖像復制-粘貼篡改網(wǎng)絡(luò)［12］因源區(qū)域和目標區(qū)域的性質(zhì)而被限制網(wǎng)絡(luò)的深度。而網(wǎng)絡(luò)的深度影響模型的精度，當使用CNN 定位源區(qū)域和目標區(qū)域或通過CNN 區(qū)分圖像是否篡改時，網(wǎng)絡(luò)的深度都至關(guān)重要。本文通過三類典型的CNN 比較，可以看出LKA 模塊能夠有效拓展網(wǎng)絡(luò)深度，從而優(yōu)化算法。

表4 為不同網(wǎng)絡(luò)的層數(shù)的消融實驗，層數(shù)通過原始基干網(wǎng)絡(luò)乘以膨脹系數(shù)得出。對比的網(wǎng)絡(luò)如下：

表4 不同層數(shù)下各網(wǎng)絡(luò)的精度對比Tab.4 Comparison of accuracy of different networks under different layers

殘差網(wǎng)絡(luò)（Residual Network，ResNet）［32］：作為經(jīng)典的深度學習網(wǎng)絡(luò)結(jié)構(gòu)，通過引入殘差連接解決了深層網(wǎng)絡(luò)訓練中的梯度消失和梯度爆炸問題。

ShuffleNet［33］：輕量級的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過分組卷積、逐點卷積以及通道重排等操作提高模型的計算效率和并減少內(nèi)存消耗。

RegNet［34］：作為一種通用型的網(wǎng)絡(luò)結(jié)構(gòu)，提供了一組網(wǎng)絡(luò)架構(gòu)計算規(guī)則，根據(jù)不同的計算資源和性能需求來設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)，從而提供高效的模型設(shè)計和計算資源利用。

通過以上3 種經(jīng)典網(wǎng)絡(luò)模型的消融實驗，定量分析LKA模塊的泛用性。

表5 為同一層數(shù)時層間重復次數(shù)的消融實驗，層間重復次數(shù)的比較以原始基干網(wǎng)絡(luò)為中間節(jié)點：上限為盡量保持前4 層網(wǎng)絡(luò)架構(gòu)，修改后兩層；下限為盡量保持后兩層網(wǎng)絡(luò)架構(gòu)，在確定上下限及圖像復制-粘貼篡改檢測任務的前提條件下，利用折半查找最終得到最優(yōu)的基干網(wǎng)絡(luò)通道數(shù)量。

表5 同一層數(shù)時不同層間重復次數(shù)的精度對比Tab.5 Comparison of accuracy of different repetitions between layers under same number of layers

表6 為基干網(wǎng)絡(luò)通道數(shù)與原始網(wǎng)絡(luò)通道數(shù)之比與精度的關(guān)系。

表6 基干網(wǎng)絡(luò)不同通道數(shù)量的精度對比Tab.6 Accuracy comparison of different channel numbers in backbone network

實驗結(jié)果表明，LKA 模塊擴充了網(wǎng)絡(luò)的深度，不僅提高了算法的精度，并且提升了后續(xù)多尺度特征金字塔的定位性能，在實現(xiàn)網(wǎng)絡(luò)高檢測精度性能的同時極大降低了模型的理論計算量。

4.2.2 抗攻擊實驗及分析

為衡量網(wǎng)絡(luò)的魯棒性，使用Dataset［26］和MICC-F2000［27］數(shù)據(jù)集，共140 張圖片，其中70 張為篡改圖片，進行如下抗攻擊實驗。

1）圖像中的復制的片段以5°、30°、60°、90°、180°的旋轉(zhuǎn)角度旋轉(zhuǎn)。

2）圖像附加［2%，10%］的高斯噪聲，幅度為2%。

3）圖像按［20%，100%］的JPEG 壓縮系數(shù)進行壓縮，幅度為20%。

4）模糊攻擊，高斯模糊核大小依次為3、5、7、9、11。

5）圖像的復制的片段按50%、75%、120%、160%、200%的縮放系數(shù)進行縮放。

將本文算法與使用深度學習的相關(guān)算法進行對比，結(jié)果如圖6 所示。對比算法如下：

圖6 抗攻擊性能比較Fig.6 Comparison of anti-attack performance

1）EfficientNetV2［6］：通過使用復合縮放技術(shù)和改進的網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)了更好的性能和計算效率。

2）BusterNet［13］：端到端的篡改檢測網(wǎng)絡(luò)，采用雙分支結(jié)構(gòu)，通過比較圖像相似度來識別源區(qū)域和目標區(qū)域。

3）文獻［14］算法：通過引入兩個串行構(gòu)建的子網(wǎng)絡(luò)：拷貝移動相似性檢測網(wǎng)絡(luò)（CMSDNet）和源/目標區(qū)域區(qū)分網(wǎng)絡(luò)（STRDNet），以改進BusterNet 存在的問題。

4）Dense-InceptionNet［18］：作為一種輕量化圖像篡改復制-粘貼篡改檢測方案，利用多尺度信息和圖像所蘊含的稠密特征，結(jié)合特征相關(guān)匹配算法和后處理步驟實現(xiàn)精準定位與檢測。

5）文獻［35］算法：通過全分辨率信息從整個圖像中進行決策，并通過弱監(jiān)督學習與端到端訓練實現(xiàn)參數(shù)的聯(lián)合優(yōu)化，從而賦予模型優(yōu)異的表達能力。

從圖6 可以看出，本文算法總體上在5 類攻擊中取得較優(yōu)結(jié)果，表現(xiàn)更穩(wěn)定，通過原始EfficientNetV2 與改進后的網(wǎng)絡(luò)對比能夠發(fā)現(xiàn)，LKA 模塊的引入使得網(wǎng)絡(luò)抵抗攻擊的能力明顯增強。

4.2.3 對比實驗

不同算法的性能對比如表7 所示。可以看出，本文算法和Dense-InceptionNet 算法［18］相比，在浮點運算量減小29.54%的基礎(chǔ)上，F(xiàn)1 提高了4.88%。

表7 不同算法的性能對比結(jié)果Tab.7 Performance comparison results of different algorithms

4.2.4 篡改檢測實驗及分析

為了檢測LKA-EfficientNet 算法的篡改檢測的能力，本文 在Dataset［26］、MICC-F2000［27］、COVERAGE［28］、MICCF600［29］這4 個數(shù)據(jù)集上進行泛化測試，不同算法的F1 如表8所示。通過4 個測試數(shù)據(jù)集中相關(guān)實驗結(jié)果說明本文算法具有良好的泛化性。

表8 不同算法在4個數(shù)據(jù)集上的F1結(jié)果對比Tab.8 Comparison of F1 results of different algorithms on four datasets

圖7 為本文提出的LKA-EfficientNet 算法的篡改檢測定位效果圖，白色表示源、目標區(qū)域，深色代表檢測區(qū)域。可以看出，本文算法能很好地利用多尺度信息，從而實現(xiàn)源區(qū)域與目標區(qū)域的定位。

圖7 本文算法的篡改檢測定位效果Fig.7 Effect of tamper detection and localization of the proposed algorithm

5 結(jié)語

本文設(shè)計了一種結(jié)合多尺度特征金字塔和深度學習優(yōu)點、融合大核注意力卷積的輕量化圖像篡改定位算法LKAEfficientNet，利用深度學習實現(xiàn)端到端的圖像篡改檢測。首先利用大核注意力卷積塊獲取全局感受野，再利用基干網(wǎng)絡(luò)進行特征提取；然后通過金字塔特征提取器提取三層特征，通過匹配獲取可能的目標區(qū)域；最后，LKA-EfficientNet 利用三個候選匹配圖獲得交叉熵的組合，通過反向傳播進行更具細粒度的訓練。實驗結(jié)果表明，LKA-EfficientNet 優(yōu)于對比算法，在保持高檢測性能的同時降低了計算量。