面向低质量人脸图像的深度伪造检测方法、系统和设备技术方案

本发明专利技术公开了一种面向低质量人脸图像的深度伪造检测方法、系统和设备，本发明专利技术提出的方法包括：对数据集中的图像和视频进行人脸帧的提取，对提取的人脸帧图像进行压缩处理以模拟社交网络中的低质量图像；利用超分模型将低质量图像进行超分辨率重建，得到重建图像；利用检测分类模型对低质量图像进行特征提取，并将重建图像与低质量图像的残差图作为注意力图，与提取的特征图融合后对融合后的特征图进行分类；计算损失函数，联合训练所述超分模型与所述检测分类模型。本发明专利技术通过对低质量伪造人脸图像进行超分辨率重建，使用重建的视觉增强图像与低质量图像的残差图作为注意力图使模型学习到压缩图像损失的关键特征，实现深度伪造图像的高精度检测。

【技术实现步骤摘要】

本专利技术属于图像处理，具体涉及一种面向低质量人脸图像的深度伪造检测方法、系统和设备。

技术介绍

1、深度伪造技术是指利用深度学习技术，对目标图片或视频进行换脸、表情篡改、属性编辑(例如，改变头发颜色、瞳孔颜色等细节)、人脸生成等操作来达到以假乱真的效果。

2、目前已有许多针对深度伪造技术生成的伪造图像或视频进行检测的方法，但是对压缩的低质量图像的检测效果仍有不足。在实际应用场景中，大多数平台会对上传的图像和视频进行压缩或降低分辨率，特别是当图像或视频在社交网络上经过多次传播并被不同的用户多次发布时，其质量会进一步下降。伪造图像或视频在线下生成时也可以做不同的裁剪压缩等处理，这会使篡改特征模糊甚至消失，从而影响检测效果。此外不同的压缩方式和压缩率下的数据分布也有很大不同，这也导致了许多现有方法会在已有的数据集上过拟合。因此，如何对低质量的数据进行准确有效检测，仍是当前深度伪造检测领域亟待解决的难题。

技术实现思路

1、为了解决现有伪造图像或视频检测技术存在的检测效果不佳等问题，本专利技术提供了一种本文档来自技高网...

【技术保护点】

1.一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述检测方法包括：

2.根据权利要求1所述的一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述超分模型分为生成器与判别器；

3.根据权利要求1所述的一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述检测分类模型分为特征提取器和分类器；

4.根据权利要求3所述的一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述检测分类模型采用Xception网格结构，通过双线性插值法将所述注意力图插值到与所述特征图相同的大小，并使用一个3*3的卷积层生成3个输出通道的特征图，将所述注意力图...

【技术特征摘要】

1.一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述检测方法包括：

2.根据权利要求1所述的一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述超分模型分为生成器与判别器；

3.根据权利要求1所述的一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述检测分类模型分为特征提取器和分类器；

4.根据权利要求3所述的一种面向低质量人脸图像的深度伪造检测方法，其特征在于，所述检测分类模型采用xception网格结构，通过双线性插值法将所述注意力图插值到与所述特征图相同的大小，并使用一个3*3的卷积层生成3个输出通道的特征图，将所述注意力图与特征图分布使用一个1*1的卷积层进行维度变换，然后将所述注意力图与特征图相乘进行特征融合。

5.根据权利要求3所述的一种面向低质量人脸图像的深度伪造检测方法，其特征在于，通过计算总损失函数，训练所述检测分类模型；

6.根...

【专利技术属性】
技术研发人员：李红波，艾杰，袁霖，范婷雯，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：