【技术实现步骤摘要】
双注意力机制高频信息感知的深度伪造检测方法和系统
[0001]本专利技术涉及图像检测的
,尤其是双注意力机制高频信息感知的深度伪造检测方法和系统。
技术介绍
[0002]随着深度学习技术的迅速发展,生成对抗网络能生成高质量的伪造人脸图像。然而,这项技术可能会被不法分子所使用,造成社会出现严重的信息泄露问题。为了避免因伪造人脸造成的信息泄露问题,深度伪造人脸检测技术得到许多的关注。现有算法主要以RGB图像作为卷积神经网络(例如,ResNet50或者Inception)的输入,提取人脸图像的高层语义特征,来判别该输入的图像是否为伪造人脸。
[0003]目前,深度伪造人脸检测算法以卷积神经网络为主要框架,提取人脸图像中的高频信息和低频信息,高频信息存在于图像边缘处,低频信息主要是存在于人脸像素平缓区域。卷积神经网络能很好的保留低频信息,并逐渐转换为高级的语义信息。然而,高频信息会因为网络层数和反向传播等问题,导致梯度信息逐渐消失,无法起到参数更新的作用。
[0004]人脸RGB图像分为高频信息和低频信息,低频信息定义为图像强度变换平缓的像素点,高频图像定义为图像强度变化剧烈的像素点。在伪造人脸中,伪造区域的边缘像素通常变化明显,对于非伪造区域的像素较为平缓。卷积神经网络利用层数的不断加深来提取高层语义信息,使得特征更具区分力。然而,高层语义信息更多是由低频信息转化而来,随着网络层数的加深,高频信息通常被忽略。高频信息更多是因伪造而导致的像素剧烈变化,因此,让卷积神经网络尽可能保留高频信息是提升深度伪造 ...
【技术保护点】
【技术特征摘要】
1.双注意力机制高频信息感知的深度伪造检测方法,其特征在于,包括:S1:利用主干网络的四个残差卷积块进行特征提取,四个残差卷积块分别为Stage1、Stage2、Stage3和Stage4;S2:利用空间
‑
通道信息增强模块来进行特征重建与增强,将所述空间
‑
通道信息增强模块输出的特征与第i个Stage的输出特征进行通道级联后送入第i+1个Stage;S3: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所述的双注意力机制高频信息感知的深度伪造检测方法,其特征在于,所述空间
‑
通道信息增强模块中通道信息增强模块的表达式如下:F
Ci
=σ(f1(R(f2(GAP(F
i
))))),其中,F
i
定义为第i个Stage的输出特征,σ定义为Sigmoid激活函数,R定义为ReLU激活函数,GAP定义为全局平均池化,f1和f2定义为不同的全连接层,F
CCi
定义为通道信息增强模块最后的特征输出。3.根据权利要求2所述的双注意力机制高频信息感知的深度伪造检测方法,其特征在于,所述空间
‑
通道信息增强模块中空间信息增强模块的表达式如下:F
SSi
=σ(C(F
i
)),其中,C定义为1*1卷积层,F
SSi
定义为空间信息增强模块的特征输出。4.根据权利要求3所述的双注意力机制高频信息感知的深度伪造检测方法,其特征在于,整个所述空间
‑
通道信息增强模块的特征输出定义为5.根据权利要求1所述的双注意力机制高频信息感知的深度伪造检测方法,其特征在于,级联后的特征引入1*1卷积将通道降为原来的1/2。6.根据权利要求1所述的双注意力机制高频信息感知的深度伪造检测方法,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表示人脸的类别数,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...
【专利技术属性】
技术研发人员:洪雅婷,吴俊毅,陈绍东,梁素敏,李彤馨,滕凯文,
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。