精选理由
数字取证和内容安全团队需要知道哪个模型最靠谱——VGG16 以 91% 准确率胜出，但 EfficientNetB0 对假图更敏感，做检测系统的开发者可以直接参考这个基准来选型。
这项研究比较了 VGG16、ResNet50、EfficientNetB0 和 XceptionNet 四种预训练 CNN 模型在假图像检测上的表现。在统一预处理和训练流程下，VGG16 以 91% 的准确率领先，其他三个模型均达到 90%。EfficientNetB0 对假图更敏感，但对真实样本可靠性较低，反映了数据集不平衡导致的偏差。研究指出了数据集不平衡、过拟合和可解释性有限等限制，为开发更可靠的假图检测系统提供了可复现的基准。
AI 翻译 · 中文
这项研究比较了 VGG16、ResNet50、EfficientNetB0 和 XceptionNet 四种预训练 CNN 模型在假图像检测上的表现。在统一预处理和训练流程下，VGG16 以 91% 的准确率领先，其他三个模型均达到 90%。EfficientNetB0 对假图更敏感，但对真实样本可靠性较低，反映了数据集不平衡导致的偏差。研究指出了数据集不平衡、过拟合和可解释性有限等限制，为开发更可靠的假图检测系统提供了可复现的基准。
The growing sophistication of GAN-based image manipulation presents significant challenges for digital forensics. This study compares the performance of four pretrained CNN architectures including VGG16, ResNet50, Effici…