In this paper, we propose a new method to detect and localize a copy-move forgery using feature descriptors based on a deep neural network. The success of deep neural networks in other computer vision works operates in a way that understands a semantic meaning of a region of interest only in an image. In contrast, the proposed network additionally capture detailed characteristics of the whole image including the backgrounds. We modify the last layer to fully convolutional, allowing generation of feature per pixel unit. Furthermore, fast GPU-based kNN search introduced in a matching step is as fast as the keypoint-based counterparts, while ensuring a remarkable performance of the dense fields. For post-processing procedure, we implemented DBSCAN and morphological technology to remove false positives. The experiments using a benchmark dataset show that our method is more robust against JPEG compression, additive Gaussian noise, rotation, and scale within a certain range than comparison techniques.
본 연구는 심층 신경망(deep neural network)을 기반으로 한 특징 기술자를 이용하여 복사-붙여넣기 위조를 탐지하는 새로운 방법을 제안한다. 다른 컴퓨터 비전 분야에서 성공을 거둔 심층 신경망은 이미지에서 중요한 물체의 의미론적 특성을 파악하였다. 이와 달리, 제안된 네트워크는 배경을 포함한 영상 전체의 미세한 특징을 포착한다. 그리고 우리는 완전 콘볼루션(fully convolutional) 방식으로 신경망의 구조를 설계하여 영상의 화소 단위에 대응하는 특징 기술자가 생성되도록 하였다. 매치 단계에 빠른 GPU기반 kNN 탐색을 도입하여 조밀한 영역 기반 기법의 장점인 뛰어난 성능을 보장하면서, 특징점 기반 방법 만큼 빠른 속도를 보여준다. 마지막으로 후처리 과정에서 DBSCAN 군집화 방법과 형태학 기술을 이용하여 오탐지를 제거했다. 성능 평가를 위한 기준이 되는 데이터 집합에 대하여 실험한 결과, 제안된 기법이 비교 기법들보다 JPEG 압축, 가우시안 노이즈 추가, 일정 범위 내 회전, 크기 변화에 대해서 빠르고, 강력하다는 것을 보여준다.
