结合模型集成与特征融合的图像拷贝检测
【摘要】 基于内容的图像拷贝检测关键在于提取的图像特征能够针对不同形式的图像拷贝攻击具有不变性。现实中拷贝攻击手段变化多样，且存在很多相似图像的干扰，目前并没有任何一种图像特征可以对抗所有不同形式的图像攻击。现有方法虽然在图像特征表示上做了很多改进，但都局限于单个特征表示。因此从特征融合的角度对提取特征进行增强，基于卷积神经网络融合图像高层特征以及低层特征以实现特征多样性，集成ImageNet预训练分类模型以及提出的距离度量模型以实现特征互补性。度量模型针对该类问题在预训练模型的基础上通过学习合适的距离度量来对抗由于图像编辑引起的特征差异，拉近拷贝图像与原始图像在特征空间的距离。实验结果表明，结合模型集成和多层深度特征融合的方式可以有效增强特征的鲁棒性，相比单一特征的检测效果提升十分明显。
