《Multiple-Operation Image Anti-Forensics with WGAN-GP Framework 》代码复现-优快云博客

本文链接：https://blog.youkuaiyun.com/haohulala/article/details/108639823

这是什么

因为一个比赛，我们去看文献，然后恰好读到这篇论文，名字叫《Multiple-Operation Image Anti-Forensics with WGAN-GP Framework 》，简单来说就是对于一张篡改图片，我们使用多种后处理方法隐藏篡改痕迹，然后再使用WGAN网络隐藏痕迹，让篡改真正做到无迹可寻（实际的欺骗率大概在50%左右）。

网络结构

在这里插入图片描述
这就是论文中给出的图片结构，还是比较清晰的。

损失函数

损失函数分为两个：生成器和判别器。
首先是生成器的损失函数
$L_G = E_{x^`}[αL_{G}^{pixel}+βL_{G}^{vgg}+γL_{G}^{adv}]$
其中有
$L_{G}^{pixel}= \frac{1} {N} \sum_{i=1}^N \mid x_i-G(x_{i}^`) \mid$
$L_{G}^{vgg}=\frac{1}{N} \sum{i=1}^N \parallel \theta(x)_i-\theta(G(X^`)_i) \parallel_{2}^{2}$
其中 $\theta(x)$ 表示用ImageNet训练的VGG-19网络的第12层卷积层输出的特征图
$L_{G}^{adv}=-C(G(X^`))$

接着是判别器的损失函数，其损失函数表达式如下
$L_C=E_x[C(x)]-E_{x^`}[C(G(x^`))]+\lambda E_{\widehat{x}}[({\parallel \triangledown_{\widehat{x}}C(\widehat{x}) \parallel}_2)-1)^2]$