摘要：為解決現有篡改定位網絡隨著深度加深不易收斂的問題,提出一種基于殘差全卷積網絡的圖像拼接定位算法.所提算法一方面遷移殘差思想,在全卷積神經網絡(fully convolutional network,FCN)的部分卷積層中引入shortcut連接,使其輸出的不僅是輸入的映射,還是輸入映射與輸入的疊加.另一方面結合條件隨機場(conditional random field,CRF)對定位結果進行后處理,并將FCN與CRF整合在一個端到端的學習系統中,進一步提高定位精度.此外,所提算法還融合3種FCN(FCN8、FCN16、FCN32)的預測結果.在實驗中,隨機選取公開數據集CASIA v2.0的5/6篡改圖像作為訓練集,然后對剩余1/6進行測試.為了測試提出算法的泛化性能,采用訓練好的模型在公開數據集CASIA v1.0和DVMM上進行交叉測試.在3個數據集上的測試結果表明,所提算法的性能優于現有一些方法.