| 使用环境 |
在图像安全与信息保护领域，针对网络上传播的图像进行篡改检测，适用于多种场景下的图像分析与验证。 |
| 使用对象 |
网络上传播的图像，特别是可能存在拼接篡改的图像，如新闻图片、社交媒体图片 |
| 使用目的 |
检测图像中是否存在拼接篡改行为，提高图像的真实性和可信度，防止虚假信息传播。 |
| 输入数据 |
RGB图像帧，大小为256×256像素。 |
| 输出数据 |
篡改区域的检测结果，包括篡改区域的掩码图像。 |
| 硬件配置 |
CPU：Intel Core i9-9900K，GPU：NVIDIA GeForce RTX 4060 Laptop，内存：16GB，显存：8GB。 |
| 样本获取 |
利用COCO数据集通过脚本生成以及将日常生活图片通过美图秀秀生成共20841张自制数据集，每张图片大小为256×256像素。 |
| 测试结果 |
在自制数据集上，F1-score达到0.9456，准确率达到0.9063；在公共数据集CASIA 1.0上，F1-score达到0.8692，准确率达到0.9643；在公共数据集IMD 2020上，F1-score达到0.9291，准确率达到0.9456。 |
| 执行速度 |
80ms/次 |
| 资源消耗 |
在上述硬件配置下，CPU平均占用率约70%，GPU平均占用率约80%，内存使用量约10GB。 |
| 源码类型 |
本算法有Python版本源码，使用售卖方式进行授权。 |
| 文件大小 |
算法程序文件约16K，权重文件约34M。 |
| 相关备注 |
本算法在图像拼接篡改检测领域表现出色，特别是在处理复杂场景和多样化数据时具有更高的准确性和可靠性。 |
