FakeParaEgg

Name: FakeParaEgg
Creator: 国立中兴大学数据科学与信息计算研究所
Published: 2024-12-14T00:29:00+08:00

arXiv2024-12-14 更新2024-12-17 收录

生物医学图像处理

伪造检测

数据链接：

https://github.com/YoursEver/FakeParaEgg 数据链接链接失效反馈

官方服务：

资源简介：

FakeParaEgg是一个用于光学显微镜图像的复制移动伪造检测的数据集，由国立中兴大学数据科学与信息计算研究所创建。该数据集包含1400张用于训练的伪造图像和100张用于测试的图像，主要用于检测生物医学领域中的图像伪造问题。数据集通过从ICIP 2022挑战赛提供的公开数据中裁剪寄生虫卵并去除背景，然后随机粘贴到原始图像中生成。FakeParaEgg数据集旨在解决生物医学图像中的复制移动伪造检测问题，特别是在复杂背景和小目标的情况下。

FakeParaEgg is a dataset for copy-move forgery detection of optical microscopy images, created by the Institute of Data Science and Information Computing at National Chung Hsing University. It contains 1400 forged training images and 100 test images, and is mainly used for detecting image forgery issues in the biomedical field. The dataset is generated by cropping parasite eggs from the public data provided by the ICIP 2022 Challenge, removing their backgrounds, and then randomly pasting them onto original images. The FakeParaEgg dataset aims to address the copy-move forgery detection problem in biomedical images, especially in cases with complex backgrounds and small-sized targets.

提供机构：

国立中兴大学数据科学与信息计算研究所

创建时间：

2024-12-14

原始信息汇总

FakeParaEgg 数据集

数据集概述

FakeParaEgg 是一个用于支持未来复制-移动伪造检测算法开发的微观图像数据集。该数据集模拟了现实世界中的复制-移动过程，其中伪造通常涉及将前景对象的背景移除（即变为透明）。这些操作在学术欺诈中很常见，由于背景上下文不同，传统的检测方法难以识别。

数据集组成

训练集：包含1,400张伪造图像。
测试集：包含100张伪造图像。

数据集创建过程

使用真实边界框裁剪寄生虫卵。
使用 Rembg 移除背景。
将无背景的补丁随机粘贴到原始图像上，生成最终的合成复制-移动伪造图像。

数据来源

FakeParaEgg 数据集基于 ICIP 2022 挑战赛提供的公开源数据：寄生虫卵检测和分类的微观图像（https://icip2022challenge.piclab.ai/）。

引用

如果您使用 FakeParaEgg 数据集，请引用以下论文：

@article{shao2024copymove, title={Copy-move detection in optical microscopy: a segmentation network and a dataset}, author={Shao, H.-C. and Liao, Y.-R. and Tseng, T.-Y. and Chuo, Y.-L. and Lin, F.-Y.}, journal={(submitted manuscript)}, volume={xx}, pages={pp--pp}, year={202X}, }

原始数据来源引用

FakeParaEgg 的源数据由以下论文提供：

@inproceedings{anantrasirichai2022icip, title={ICIP 2022 Challenge on Parasitic Egg Detection and Classification in Microscopic Images: Dataset, Methods and Results}, author={Anantrasirichai, N. and Chalidabhongse, T. and Palasuwan, D. and Naruenatthanaset, K. and Kobchaisawat, T. and Nunthanasup, N. and Boonpeng, K. and Ma, X. and Achim, A.}, booktitle={Proc. IEEE Int. Conf. Image Process.}, pages={4306--4310}, year={2022}, }

搜集汇总

数据集介绍

构建方式

FakeParaEgg数据集的构建基于ICIP 2022挑战赛提供的公开数据，专门用于模拟生物医学领域中常见的复制移动伪造操作。该数据集通过从原始图像中裁剪寄生虫卵，并使用Rembg工具去除背景，随后将这些无背景的图像随机粘贴到原始图像中，生成最终的合成伪造图像。FakeParaEgg数据集包含了1400张用于训练的伪造图像和100张用于测试的图像，涵盖了多种复杂背景和前景对象，如低对比度背景、高对比度背景、半透明前景对象等，确保了数据集的多样性和挑战性。

特点

FakeParaEgg数据集的主要特点在于其高度复杂的背景和前景对象，这些图像中的伪造区域可能包含背景组织、小型前景对象或两者的组合，这使得传统的基于对象检测的方法难以有效识别。此外，该数据集引入了多种复杂性，如低对比度背景、高对比度背景、半透明前景对象等，使其成为开发和验证生物医学图像伪造检测方法的理想资源。FakeParaEgg数据集的多样性和复杂性使其能够有效评估检测方法在真实学术欺诈场景中的鲁棒性。

使用方法

FakeParaEgg数据集主要用于训练和验证生物医学图像中的复制移动伪造检测算法。研究者可以使用该数据集来训练和测试其开发的伪造检测模型，特别是那些基于多分辨率编码器-解码器架构的模型，如CMSeg-Net。通过在FakeParaEgg数据集上的实验，研究者可以评估其模型在处理复杂背景和前景对象时的性能，并与其他公开的复制移动检测数据集（如CASIA-CMFD、CoMoFoD和CMF）进行比较。此外，该数据集还可以用于研究模型在面对未见过的攻击（如背景移除、压缩和缩放）时的泛化能力。

背景与挑战

背景概述

随着学术欺诈行为的日益曝光，生物医学领域中伪造实验图像的检测已成为公众关注的焦点。FakeParaEgg数据集由Hao-Chiang Shao等人创建，旨在解决生物医学图像中的复制移动伪造检测问题。该数据集基于ICIP 2022挑战赛提供的公开数据，专门设计用于模拟真实世界中学术欺诈案例中常见的复制移动操作。FakeParaEgg数据集的创建不仅为CMSeg-Net的开发提供了支持，还通过广泛的实验验证了其在检测未见过的复制移动区域方面的优越性能。该数据集的发布为学术欺诈检测技术的未来发展提供了宝贵的资源。

当前挑战

FakeParaEgg数据集面临的挑战主要集中在两个方面：一是生物医学图像中复制移动目标的复杂性，包括背景组织、小前景对象或两者的结合，这些可能超出训练域并受到未见过的攻击，使得基于标准对象检测的方法效果不佳；二是构建过程中遇到的挑战，如如何从复杂的显微图像中准确识别和分割出复制移动区域。此外，生物医学图像中常见的纹理模式和背景与前景的相似性也增加了检测的难度，使得现有的伪造检测方法在处理这些图像时表现不佳。

常用场景

经典使用场景

FakeParaEgg数据集在生物医学图像领域中被广泛用于检测光学显微镜图像中的复制-移动伪造区域。该数据集通过模拟真实学术欺诈案例中的常见伪造手段，如背景移除、压缩和缩放等，提供了丰富的伪造图像样本。研究者利用该数据集训练和验证复制-移动伪造检测算法，特别是针对复杂微观图像中的小目标和背景相似区域的检测。

衍生相关工作

FakeParaEgg数据集的发布激发了大量相关研究工作，特别是在复制-移动伪造检测领域。基于该数据集，研究者提出了多种改进的检测算法，如CMSeg-Net，该网络通过多分辨率编码-解码架构和相关辅助空间注意力模块，显著提升了伪造区域的检测能力。此外，FakeParaEgg还促进了其他相关数据集的开发和研究，进一步推动了生物医学图像伪造检测技术的发展。

数据集最近研究