图像修复是一种常见的图像篡改手段，而基于深度学习的图像修复方法能生成更复杂的结构乃至新的对象，使得图像修复取证工作更具有挑战性。因此，提出一种端到端的面向图像修复取证的U型特征金字塔网络（FPN）。首先，通过自上而下的VGG16模块进行多尺度特征提取，并利用自下而上的特征金字塔架构对融合后的特征图进行上采样，整体流程形成U型结构；然后，结合全局和局部注意力机制凸显修复痕迹；最后，使用融合损失函数以提高修复区域的预测率。实验结果表明，所提方法在多种深度修复数据集上的平均F1分数和IoU值分别为0.791 9和0.747 2，与现有的基于扩散的数字图像修复定位（LDI）、基于图像块的深度修复取证方法（Patch-CNN）和基于高通全卷积神经网络（HP-FCN）方法相比，所提方法具有更好的泛化能力，且对JPEG压缩也具有较强的鲁棒性。
