【摘要】图像真实性检验在许多领域有着极为重要的应用，现有图像篡改检测方法大多稳定性较差或受图像格式限制， 不能满足日益复杂的实际需求。为了进一步提高检测正确率和适用范围，提出了一种基于深度学习（Mask-RCNN）的图 像篡改检测方法。Mask-RCNN能够对检测目标进行高效率的辨识，同时精准确定目标边界，但其主要应用于物体识别领域， 特征提取更倾向于图像内容方面的特征。为了解决这一问题，引入双流机制来引导本算法提取图像噪声特征和边界像素 特征。使用 CASIA v2.0 中图像对算法进行训练和验证，并使用 CASIA v1.0 中的图像及其压缩图像进行测试。大量结果 表明双流 Mask-RCNN 具有较高的准确性和鲁棒性。