本发明涉及人工智能领域，尤其涉及一种基于语义理解的图像篡改检测方法、设备和介质。
背景技术：
1、随着数字技术的飞速发展，图像处理技术得到了广泛应用，但同时也催生了图像篡改的问题。图像篡改，即对图像进行未经授权的修改或伪造，对科学研究、新闻报道等领域造成了严重的挑战。
2、因此，提供一种有效图像篡改检测方法，维护信息的真实性非常重要。
技术实现思路
1、本发明实施例提供一种基于语义理解的图像篡改检测方法、设备和介质，以解决上述技术问题。
2、第一方面，本发明实施例提供了一种基于语义理解的图像篡改检测方法，包括：
3、获取待检测图像；
4、通过语义理解层，提取所述待检测图像的语义信息；
5、将所述语义信息输入语义分割层，识别所述待检测图像中的各语义类别，得到语义分割结果，其中，所述语义分割结果中包括多个面积连续的语义区块，同一语义区块的像素具有相同的语义类别；
6、将所述语义信息输入篡改识别层，提取所述待检测图像中的篡改特征，得到篡改识别结果，其中，所述篡改识别结果中篡改区域为1，未篡改区域为0；
7、如果一语义区块中存在设定比例以上的像素属于所述篡改区域，将所述一语义区块确定为最终的篡改区域；
8、其中，所述语义理解层、语义分割层和篡改识别层构成基于深度学习的图像篡改检测模型，模型训练过程中，通过约束样本图像中真实的篡改区域在预测的语义分割结果中趋近于同一语义区块来更新模型参数。
9、第二方面，本发明实施例提供了一种电子设备，所述电子设备包括：
10、一个或多个处理器；
11、存储器，用于存储一个或多个程序，
12、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的基于语义理解的图像篡改检测方法。
13、第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的基于语义理解的图像篡改检测方法。
14、综上所述，本发明实施例提供了一种基于语义理解的图像篡改检测方法，通过分析图像的语义特征，联合篡改特征的提取，对篡改区域进行综合判定，达到更高的准确度。具体的，通过基于深度学习的图像篡改检测模型对图像进行语义理解后再进行语义分割，识别出图像中不符合常理的语义特征；同时，通过篡改识别层提取图像的篡改特征，再将图像篡改识别结果和图像分割结果进行融合，得到最终的篡改区域。特别的，在模型训练过程中，本发明通过约束样本图像中真实的篡改区域在预测的语义分割结果中被分割为一个面积连续的区块(即趋近于同一语义区块)，来更新模型参数，使篡改区域趋向于完整的语义区块，从而得到更符合语义理解的篡改识别结果。
1.一种基于语义理解的图像篡改检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过约束样本图像中真实的篡改区域在预测的语义分割结果中趋近于同一语义区块来更新模型参数，包括：
3.根据权利要求2所述的方法，其特征在于，通过所述预测的语义分割结果与真实的语义分割结果差异最小化，所述预测的篡改识别结果与真实的篡改识别结果差异最小化，以及所述仅保留篡改区域的语义分割结果的离均差平方和最小化，来更新模型参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过如下损失函数的最小化，来更新模型参数，包括：
5.根据权利要求1所述的方法，其特征在于，所述语义理解层包括多层语义理解单元，各层语义理解单元包括残差连接的卷积模块和自注意力模块；
6.根据权利要求1所述的方法，其特征在于，所述语义分割层包括多层残差连接的卷积模块；
7.根据权利要求1所述的方法，其特征在于，所述篡改识别层包括多层残差连接的卷积模块；
8.根据权利要求1所述的方法，其特征在于，所述语义理解层包括多层语义理解单元，各层语义理解单元包括残差连接的卷积模块和自注意力模块；所述语义分割层和篡改识别层均包括多层残差连接的卷积模块；
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-8任一所述的基于语义理解的图像篡改检测方法。
