【技术实现步骤摘要】
基于像素级注意力机制的深度伪造图像检测方法和系统
[0001]本专利技术涉及图像检测的
,尤其是基于像素级注意力机制的深度伪造图像检测方法和系统。
技术介绍
[0002]深度伪造检测技术已经利用卷积神经网络取得许多卓越显著的性能,其主要依靠的是卷积神经网络对高层语义信息的获取,并在分类损失的约束下不断优化和拟合。目前的深度伪造检测算法主要是通过增加数据量,提升模型的准确率和泛化性。对于所有卷积神经网络而言,大规模的数据量可以提升模型的准确率。然而,通过数据层面提升模型泛化性,会使得模型完全依靠大规模数据,无法从卷积神经网络本身来优化模型的特征学习能力。因此,如何使模型本身能具有挖掘显著特征信息的能力是一个具有挑战性的问题。
[0003]目前的深度伪造检测算法主要是依靠先进的主干网络和大规模的数据量,使得模型在伪造数据进行拟合。然而,目前的算法主要是依靠更换更强表征力的卷积神经网络和不断增加数据量,从而来提升模型的准确率和泛化性。现有的算法缺乏从特征层面来考虑深度伪造检测算法。现有的主干网络由于多层卷积层的设计,特征信息在前向传播过程中不断被平滑化。即,前一个卷积层的特征信息送入后一个卷积层,更多的是当前平均化的特征信息,而不是显著的特征信息。深度伪造检测算法不同于其他计算视觉任务,在深度伪造检测算法中应该保证前向传播的是显著的特征信息。
[0004]深度伪造检测网络被看作是一个二分类问题,利用卷积神经网络提取高层语义信息,在分类损失的约束下进行判别真实和伪造图像。卷积神经网络在深度伪造检测上取得 ...
【技术保护点】
【技术特征摘要】
1.基于像素级注意力机制的深度伪造图像检测方法,其特征在于,包括:S1:在图像检测的主干网络中的提取特征之后插入像素级注意力机制模块,利用一个1*1卷积对特征信息F
i
进行通道压缩,压缩通道并将降维后的特征和原始图像相加得到特征F
ii
;S2:将所述特征F
ii
再经过一个1*1卷积和Sigmoid激活函数得到增强后的特征信息;S3:将所述增强后的特征信息作为下一特征提取阶段的输入,重复进行前述步骤进行特征信息增强,并利用标签平滑正则化的交叉嫡损失函数进行约束。2.根据权利要求1所述的基于像素级注意力机制的深度伪造图像检测方法,其特征在于,所述主干网络为ResNet50网络,所述ResNet50网络包括四个提取特征的阶段。3.根据权利要求2所述的基于像素级注意力机制的深度伪造图像检测方法,其特征在于,每个所述特征提取的方式为F
i
=(B
i
{x
i
|θ
i
}),其中,B
i
代表主干网络ResNet50第i个特征提取过程,x
i
代表输入的人脸图像,θ
i
代表第i个特征提取过程涉及的参数。4.根据权利要求1所述的基于像素级注意力机制的深度伪造图像检测方法,其特征在于,所述S1中对所述特征信息F
i
进行通道压缩具体为从C个通道压缩至3个通道。5.根据权利要求1所述的基于像素级注意力机制的深度伪造图像检测方法,其特征在于,所述S2中所述特征F
ii
再经过一个1*1卷积和Sigmoid激活函数得到维度为H
×
W
×
C的特征,经过Sigmoid逐个对像素进行激活,形成了像素级的注意力掩膜。6.根据权利要求1所述的基于像素级注意力机制的深度伪造图像检测方法,其特征在于,所述标签平滑正则化的交叉嫡损失函数具体为:于,所述标签平滑正则化的交叉嫡损失函数具体为:其中,ε∈[0,1],K表示类别数,p(k)表示预测属于类别k的概率。7.一种计算机可读存储介质,其上存储有一或多个计算机程序,其特征在于,该一或多个计算机程序被计算机...
【专利技术属性】
技术研发人员:涂梅林,张光斌,姚灿荣,吴俊毅,高志鹏,赵建强,杜新胜,金辉,韩名羲,
申请(专利权)人:厦门市美亚柏科信息股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。