基于现有 MMDetection/YOLOv3 框架，针对 篡改场景文本检测 任务，完成以下工作：
双分支网络实现：设计并实现同时包含 RGB 分支与频域分支的检测架构，确保两分支特征可通过融合模块进行有效结合，以提升对篡改文本的检测能力。
模型训练与优化：在 Tampered_IC13 数据集（及可选的其他相关数据集）上进行训练、调参和性能优化，保证最终模型在验证集上的 F1 分数 ≥ 0.85，Precision、Recall 同时达到合理水平。

完整交付物：包括
训练完成的模型权重文件（.pth）
全部训练与测试日志（包含超参数、损失曲线等）
完整的评估结果（Precision、Recall、F1 等指标的详细数据）
模型运行及复现指南（确保可在现有环境下直接运行）
技术栈要求：精通 PyTorch、MMDetection/YOLOv3，具备频域图像处理（FFT/DCT 等）经验，有深度学习目标检测模型优化经验者优先。