人脸伪造图像鉴别方法、装置、设备以及介质制造方法及图纸

本公开涉及一种人脸伪造图像鉴别方法、装置、设备以及介质。其中，该方法包括：获取第一样本图像集和第二样本图像集，第一样本图像集中的假脸基于第一伪造方式伪造得到，第二样本图像集中的假脸基于第二伪造方式伪造得到；基于第一样本图像集训练生成用于鉴别第一伪造方式的第一教师模型；基于第二样本图像集训练生成用于鉴别第二伪造方式的第二教师模型；将第一教师模型和第二教师模型融合以训练学生模型，生成用于鉴别第一伪造方式和第二伪造方式的目标人脸伪造图像鉴别模型。根据本公开实施例提供的技术方案，能够使生成的目标人脸伪造图像鉴别模型适用于鉴别不同伪造方法生成的人脸图像，有更好的泛化性、拓展性，且更为高效。效。效。

【技术实现步骤摘要】
人脸伪造图像鉴别方法、装置、设备以及介质


[0001]本公开涉及图像处理
，尤其涉及一种人脸伪造图像鉴别方法、装置、设备以及介质。

技术介绍

[0002]随着图像处理技术的不断发展，对于人脸伪造图像的鉴别也越发精确，现有人脸伪造图像的鉴别主要面向具体域提取特征，即从时间域、空间域、频域提取特征用以鉴别人脸的真伪。
[0003]目前，如果只使用其中一个域的特征，特征信息的不足导致这些单域方法很难应对所有类别的人脸伪造鉴别。如果使用多个域的特征信息，信息的冗余会导致多域模型过于拟合训练的样本，进而无法很好的处理新的待测数据。因此，有必要提出一种新的特征提取方法。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种人脸伪造图像鉴别方法、装置、设备以及介质。
[0005]第一方面，本公开提供了一种人脸伪造图像鉴别方法，包括：获取第一样本图像集和第二样本图像集，所述第一样本图像集中的假脸基于第一伪造方式伪造得到，所述第二样本图像集中的假脸基于第二伪造方式伪造得到；基于第一样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人脸伪造图像鉴别方法，其特征在于，所述方法包括：获取第一样本图像集和第二样本图像集，所述第一样本图像集中的假脸基于第一伪造方式伪造得到，所述第二样本图像集中的假脸基于第二伪造方式伪造得到；基于第一样本图像集训练生成用于鉴别所述第一伪造方式的第一教师模型；基于第二样本图像集训练生成用于鉴别所述第二伪造方式的第二教师模型；基于所述第一教师模型和所述第二教师模型，将两个教师模型分别鉴别一种伪造人脸的能力进行融合以训练学生模型，生成用于鉴别所述第一伪造方式和所述第二伪造方式的目标伪造人脸图像鉴别模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一教师模型和所述第二教师模型，将两个教师模型分别鉴别一种伪造人脸的能力进行融合以训练学生模型，生成用于鉴别所述第一伪造方式和所述第二伪造方式的目标伪造人脸图像鉴别模型，包括：将预设的第三样本图像集分别输入第一教师模型、所述第二教师模型以及学生模型，得到所述第一教师模型的第一输出结果、所述第二教师模型的第二输出结果，以及所述学生模型的第三输出结果；基于所述第一输出结果、所述第二输出结果、所述第三输出结果，以及所述第三样本图像集，对所述第一教师模型和所述第二教师模型的知识进行蒸馏处理；在蒸馏处理后跳转到所述将预设的第三样本图像集分别输入第一教师模型、所述第二教师模型以及所述学生模型的步骤继续执行，直到所述学生模型的评估指标趋于稳定，停止训练，得到所述目标伪造人脸图像鉴别模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一输出结果、所述第二输出结果、所述第三输出结果，以及所述第三样本图像集，对所述第一教师模型和所述第二教师模型的知识进行蒸馏处理，包括：基于所述第三样本图像集和所述第三输出结果，确定所述学生模型的交叉熵损失；基于所述第一输出结果和所述第三输出结果，确定所述学生模型与所述第一教师模型之间的第一相对熵损失；基于所述第二输出结果和所述第三输出结果，确定所述学生模型与所述第二教师模型之间的第二相对熵损失；基于所述交叉熵损失、所述第一相对熵损失以及所述第二相对熵损失，确定蒸馏损失；基于所述蒸馏损失调整所述学生模型的参数，以降低所述蒸馏损失。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述基于所述第一教师模型和所述第二教师模型，将两个教师模型分别鉴别一种伪造人脸的能力进行融合以训练学生模型，生成用于鉴别所述第一伪造方式和所述第二伪造方式的目标伪造人脸图像鉴别模型之后，所述方法还包括：对所述目标伪造人脸图像鉴别模型的置信度进行校准处理。5.根据权利要求4所述的方法，其特征在于，所述对所述目标人脸伪造图像鉴别模型的置信度进行校准处理，包括：分别将预设的第四样本图像输入所述第一教师模型、所述第二教师模型和所述目标伪造人脸图像鉴别模型，得到所述第一教师模型鉴别为真的第一概率值、所述第二教师模型鉴别为真的第二概率值，以及所述目标人脸伪造图像鉴别为真的第三概率值；
基于所述第一概率值确定所述第一教师模型的第一置信度，并基于所述第一置信度对所述目标人脸伪造图像鉴别模型与所述第一教师模型之间的第三相对熵损失进行加权处理，得到第一加权值；基于所述第二概率值确定所述第二教师模型的第二置信度，并基于所述第二置信度对所述目标人脸伪造图像鉴别模型与所述第二教师模型之间的第四相对熵损失进行加权处理，得到第二加权值；基于所述第一加权值、所述第二加权值以及所述第三概率值与所述第四样本图像对应的伪造概率值之间的交叉熵损失，对所述目标人脸伪造图像鉴别模型的蒸馏损失进行校正，得到校正后的蒸馏损失；基于校正后的蒸馏损失调整所述目标人脸伪造图像鉴别模型的参数，并在参数调整后跳转到所述分别将预设的第四样本图像输入所述第一教师模型、所述第二教师模型和所述目标人脸伪造图像鉴别模型的步骤继续执行，直到所述目标人脸伪造图像鉴别的输出结果的变...

【专利技术属性】
技术研发人员：郝艳妮，马先钦，王璋盛，王一刚，曹家，罗引，王磊，
申请(专利权)人：北京中科闻歌科技股份有限公司，
类型：发明
国别省市：