Detectar la manipulación de imágenes es esencial para investigar la historia de procesamiento de imágenes digitales. En este documento, se propone un esquema novedoso para detectar el uso de filtros pasa bajos en el procesamiento de imágenes. Se diseñó una nueva red neuronal convolucional de tamaño razonable para identificar tres tipos de filtros pasa bajos. Las experiencias de aprendizaje de los tres solucionadores se combinaron para mejorar la capacidad de detección del enfoque propuesto. Se emplearon capas de agrupamiento global para proteger la pérdida de información entre las capas convolucionales, y se introdujo una nueva capa de agrupamiento de varianza global para mejorar la precisión de detección. Las características extraídas de la red neuronal convolucional se mapearon al dominio de frecuencia para enriquecer el conjunto de características. Se descubrió que una capa de Unidad Lineal Rectificada (ReLU) con fuga funciona mejor que la capa ReLU tradicional. Se empleó un clasificador de red neuronal de tres capas para clasificar filtros pasa bajos con varios parámetros en dos, cuatro y diez clases. Dado que detectar el filtrado pasa bajo es relativamente fácil en imágenes de gran dimensión, el entorno experimental se limitó a imágenes pequeñas de 30 x 30 y 60 x 60 píxeles. El esquema propuesto logró una precisión de detección del 80.12% y 90.65% en diez categorías de imágenes comprimidas con JPEG y un factor de calidad de 75 en imágenes de 30 x 30 y 60 x 60, respectivamente.