【技术实现步骤摘要】
本专利技术属于数字取证，尤其涉及一种可学习局部差异的深度伪造人脸检测定位方法。
技术介绍
1、深度人脸伪造是一种基于深度学习的真实人脸伪造技术。此类技术可以将初始人脸替换成目标人脸或者对目标人脸的表情、五官、发型等脸部特征进行篡改，从而生成制作者想要的伪造产物。与传统的人脸伪造方法不同，深度人脸伪造技术得益于深度学习的快速发展，只需要少量样本便可以制作虚假换脸视频。
2、近年来，深度伪造检测技术的研究热度不断上升，研究者们提出了大量的深度伪造检测方法，按照检测特性可以大致分为基于帧内异常和帧间不一致两大类。
3、基于帧内异常的检测方法关注到伪造人脸图像中可能会存在模糊、抖动、叠影、特征不同源、身份信息不一致等异常现象。因此，这类方法尝试通过捕捉图像的亮度、色彩、纹理、特征以及身份差异，来检测伪造人脸图像。然而，此类方法在面对分辨率较低的数据时表现不佳，在推广至未知伪造方法的数据集上时性能也大大下降。
4、基于帧间不一致的检测方法重点关注伪造人脸视频在一段持续时间内人脸运动的连续性，捕捉可能存在的动作不...
【技术保护点】
1.一种可学习局部差异的深度伪造人脸检测定位方法，其特征在于，包括：
2.如权利要求1所述的可学习局部差异的深度伪造人脸检测定位方法，其特征在于，获得所述训练集的过程包括：
3.如权利要求1所述的可学习局部差异的深度伪造人脸检测定位方法，其特征在于，将所述待检测人脸图像输入所述检测模型，检测所述待检测人脸图像的真伪并对伪造区域进行定位包括：
4.如权利要求3所述的可学习局部差异的深度伪造人脸检测定位方法，其特征在于，利用局部相似性计算模块优化所述特征提取网络包括：
5.如权利要求4所述的可学习局部差异的深度伪造人脸检测定...
【技术特征摘要】
1.一种可学习局部差异的深度伪造人脸检测定位方法，其特征在于，包括：
2.如权利要求1所述的可学习局部差异的深度伪造人脸检测定位方法，其特征在于，获得所述训练集的过程包括：
3.如权利要求1所述的可学习局部差异的深度伪造人脸检测定位方法，其特征在于，将所述待检测人脸图像输入所述检测模型，检测所述待检测人脸图像的真伪并对伪造区域进行定位包括：
4.如权利要求3所述的可学习局部差异的深度伪造人脸检测定位方法，其特征在于，利用局部相似性计算模块优化所述特征提取网络包括：
5.如权利要求4所述的可学习局部差异的深度伪造人脸检测定位方法，其特征在于，将所述原始中间层特征图输入所述局部相似性计算模块，学习所述原始中间层特征图的局部差异信息，对所述特征提取网络进行优化包括：
6.如权利要求5所述的可学习局部差异的深度伪造人脸...
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。