【技术实现步骤摘要】
本专利技术涉及图像处理，具体地讲，涉及基于局部伪造区域检测的人脸伪造检测方法。
技术介绍
1、随着深度学习技术的迅速发展，深度伪造技术已逐渐成熟，然而其广泛应用也带来了严重的安全隐患。这种技术能够通过对图像等多媒体数据的精密操作，使得虚假内容与真实内容之间的区分变得异常困难。因此，深度伪造检测成为当前研究领域的一项至关重要的议题。然而，当前的深度伪造检测方法往往过度依赖于全局信息，这会导致检测模型错误地学习人物的全局信息，从而影响了模型的泛化能力。因此，开发一种新的方法来解决这一问题具有重要意义。在这个新方法中，我们考虑如何更好地利用局部信息，并结合一种新的卷积方法，以提高模型的鲁棒性和准确性。这样的创新将有助于更好地应对不断演进的深度伪造技术所带来的挑战，从而维护社会信息的真实性和可信度。
2、当前深度伪造检测技术面临着一些重要的挑战。首先，传统方法往往过度依赖于全局信息进行检测，这可能导致在识别深度伪造时检测器记住了身份信息，检测时一些伪造的图像可能和该身份信息具有相近的全局信息，导致检测错误，从而会影响检测的准确性和泛...
【技术保护点】
1.基于局部伪造区域检测的人脸伪造检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于局部伪造区域检测的人脸伪造检测方法，其特征在于：所述S12的具体步骤为：
3.根据权利要求2所述的基于局部伪造区域检测的人脸伪造检测方法，其特征在于：所述S21中，对Xception网络进行修改，以实现更好地对图像进行特征提取，采用一种卷积方法来替换Xception网络中的普通卷积，进一步增强特征表示和捕捉局部伪造特征；
4.根据权利要求3所述的基于局部伪造区域检测的人脸伪造检测方法，其特征在于：所述S22中公式如下：
5...
【技术特征摘要】
1.基于局部伪造区域检测的人脸伪造检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于局部伪造区域检测的人脸伪造检测方法，其特征在于：所述s12的具体步骤为：
3.根据权利要求2所述的基于局部伪造区域检测的人脸伪造检测方法，其特征在于：所述s21中，对xception网络进行修改，以实现更好地对图像进行特征提取，采用一种卷积方法来替换xception网络中的普通卷积，进一步增强特征表示和捕捉局部伪造特征；
4.根据权利要求3所述的基于局部伪造区域检测的人脸伪造...
【专利技术属性】
技术研发人员：王春鹏，徐显秋，夏之秋，马宾，李健，李琦，王长旭，李大超，郭光辉，唐鑫森，赵婷婷，
申请(专利权)人：齐鲁工业大学山东省科学院，
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。