《表1 数据集COCO STDS AP比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种改进的Mask R-CNN图像篡改检测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文在合成数据集上对模型进行预训练，使用平均精度（AP）进行评估，该度量标准与COCO检测评估相同．如表1所示，为了探索噪声分支和CBAM模块的作用，进行了三组实验．其中MR Net为没有任何改进的Mask R-CNN网络，M RN Net代表添加噪声分支，M RNC Net代表引入主分支CBAM模块并且添加噪声分支．M RN Net性能优于M R Net，我们认为针对篡改检测，网络需要学习更丰富的特征，而噪声分支为检测提供了其它依据．MRNC Net性能优于MRN Net，我们认为主分支引入CBAM模块，有效增强了全局特征类间区分，使网络能够学习类间独特的特征表示．在噪声分支共同作用下，性能达到最优．