如何解决不同图像拼接方法在部分CASIA 2.0数据集上的比较结果
所以我正在研究使用 resnet-50 模型的图像拼接检测算法。我正在使用 CASIA 2.0 数据集，其中包含 7491 个真实图像 和 5123 个假图像。然而，在伪造图像中1756 张图像是拼接图像，其余图像是copy-Move 伪造图像。由于我仅将图像分类为拼接图像或真实图像，因此我将 1756 个拼接图像以及相同数量的真实图像用于分类任务。
我将与其他研究论文方法获得的准确性进行如下比较。
| 算法 | 准确性 |
|---|---|
| A | 70% |
| B | 90% |
| C | 92% |
| 我的方法 | 94% |
方法 A、B、C 描述了各种其他图像拼接检测方法。 然而，这些方法使用了整个 CASIA 2.0 数据集，包括 copy-Move 伪造图像，尽管它们的作者将它们称为拼接检测算法。
我的问题是，我的这种仅使用数据集拼接图像的方法与这些其他方法的比较是否有效或可能？如果是，那么我如何证明这种比较是合理的？
期待大家的帮助和及时回复。
提前致谢。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
