La localización de manipulación de imágenes es una de las tareas más desafiantes porque presta más atención a los artefactos de manipulación que al contenido de la imagen, lo que sugiere que es necesario aprender características más ricas. A diferencia de muchas soluciones existentes, empleamos una red de segmentación semántica, llamada Codificador-Decodificador Multisupervisado (MSED), para la detección y localización de imágenes falsificadas con tamaños arbitrarios y múltiples tipos de manipulaciones sin entrenamiento previo adicional. En el marco básico de codificador-decodificador, el primero codifica información contextual a múltiples escalas mediante convolución atrous a múltiples tasas, mientras que el último captura límites de objetos más nítidos aplicando upsampling para recuperar gradualmente la información espacial. El módulo multisupervisado adicional está diseñado para guiar el proceso de entrenamiento mediante la adopción múltiple de la pérdida de entropía cruzada binaria (BCE) a nivel de píxel después del codificador y de cada upsampling. Los experimentos en cuatro conjuntos de datos estándar de manipulación de imágenes demuestran que nuestra red MSED logra un rendimiento de vanguardia en comparación con otras líneas de base alternativas.