面向数字图像篡改检测的分类数据集

摘要：CG-1050 v2是面向数字图像篡改检测的分类数据集，是CG-1050 v1的补充版本。

数据集概述

CG-1050 v2是面向数字图像篡改检测的分类数据集，是CG-1050 v1的补充版本。原始版本提供了1050张篡改图像及其对应的原始图像，而该版本进一步提取发生图像操纵的局部区域，使模型能够针对关键篡改区域开展更加精细的真实性识别。

数据结构与关键特征

数据集按照训练集和验证集组织，每个目录均包含原始裁剪图像与篡改裁剪图像两个子目录，构成标准的二分类数据结构。篡改区域约占裁剪图像面积的25%～75%，既保留一定的真实背景信息，又突出复制、拼接或内容修改形成的局部视觉异常，便于机器学习和深度学习模型学习篡改特征。

应用价值与研究方向

该数据集适用于数字图像取证、原始与篡改图像分类、局部篡改识别、视觉真实性检测以及媒体内容安全研究。研究人员可利用它训练卷积神经网络或视觉Transformer模型，并探索纹理不连续性、边缘异常、压缩痕迹和颜色一致性等特征，为虚假图像识别与自动化内容审核系统提供数据支持。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-641
文件大小：120M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。