图像篡改检测初学笔记_双流图像篡改检测

经过一段时间的论文积累，现在开始进行代码实践，但在看代码时总会有困惑，因此记录。 

---

问题1：用RRU源码试图训练CASIA时会报错，比如could not broadcast input array from shape (256,256,4) into shape (256,256)的问题

解决：需要对数据预处理部分的代码进行修改

问题2：如果对原始图像进行切割再送入模型，会面临原始图片大小与预测图片大小不一致的问题

解决：参考Bubbliiiing的视频和博客与网友的学习笔记

补充：其实，通常一般推荐使用直接拉伸的方式去做图像Resize，原因是增加padding填充后会对网络带来一定噪音，影响模型准确性。最重要的是保证模型训练和模型推理时的操作方式一致。

问题3：经过层层网络，最后得到的结果是灰度图（通道为1），而不是RGB图（通道为3），而原始的训练mask是灰度图还是RGB图？

思路：看图片的信息，由于每个点若位深度为8，即8bit，那么就是灰度图。若位深度为24，即RGB图。查看得知原始的mask是RGB图。

问题4：PIL、numpy、tensor的关系？

tensor和numpy是可以互相转换的。

问题5：区别RGB和BGR？

答案    

OpenCV默认使用BGR，PIL、plt的话是RGB

问题6：什么时候HWC，什么时候BCHW？

已知用PIL的Image时，需要Transpose(2,0,1)

需要解决的问题：1.如何计算各种性能？对应的代码？ 2.加通道空间 3.学习HRNet和DenseNet 4.如何画ROC曲线 5.预训练问题
 

---

记录1：由UNet看分层提取的特征含义 链接

---

一些思考：双流结构不错；减少池化，因为池化会降低分辨率；需要关注注意力机制（注意力机制是自动生成权重）；ASPP 模块；添加残差链接；注意模型到时候可能遇到的问题：模型发散、过拟合、欠拟合、梯度爆炸、缺少BN；基于backbone的代码怎么改，densenet为backbone不错；篡改检测和一般的语义分割不同，一般的语义分割像素点的值代表类别，猫，狗……等，而篡改检测为0和255，用于区分篡改区域和未篡改区域

通道注意力，空间注意力：链接