【技术实现步骤摘要】
本申请实施例涉及人工智能领域，更具体地涉及一种虚假图像检测方法及相关装置。
技术介绍
1、随着生成式人工智能技术的飞速发展，图像等多媒体内容编辑已经变得愈发便捷和高效。然而，如同双刃剑一般，生成式人工智能在极大地丰富了创意表达的可能性的同时，也催生了一系列不容忽视的风险与挑战，尤其是信息真实性与误导性问题日益凸显。该类技术可能会被恶意地用于生成虚假或误导性的图像，当前，主流的虚假图像检测方法主要依靠深度学习技术从大规模的标注数据中学习区分性特征来鉴别真假。首先，需要从互联网上收集并清洗真实图像，然后基于多种已知的图像伪造算法或软件制作大量逼真的虚假图像样本，最后基于构建的数据集训练深度学习分类模型来区分真假。然而，这类对于已知的伪造方法上展现出卓越的检测性能，但对于新型、未见过的伪造技术制作的数据时，其检测性能则显著下降。这是因为深度学习模型往往过度拟合于训练数据中的模式，一旦出现新的伪造方式，则缺乏足够的泛化性和适应性。因此，现有技术虚假图像检测的准确性较低。
技术实现思路
1、本申请实...
【技术保护点】
1.一种虚假图像检测方法，其特征在于，所述虚假图像检测方法包括：
2.根据权利要求1所述的虚假图像检测方法，其特征在于，所述虚假图像检测方法，包括：
3.根据权利要求2所述的虚假图像检测方法，其特征在于，所述基于所述第一图像训练集训练初始特征编码模型和第一初始分类模型，得到所述目标特征编码模型和所述多层感知机分类模型，包括：
4.根据权利要求2所述的虚假图像检测方法，其特征在于，所述从所述第一图像训练集中筛选出第二图像训练集，包括：
5.根据权利要求4所述的虚假图像检测方法，其特征在于，所述从所述第一图像训练集中属于虚假...
【技术特征摘要】
1.一种虚假图像检测方法，其特征在于，所述虚假图像检测方法包括：
2.根据权利要求1所述的虚假图像检测方法，其特征在于，所述虚假图像检测方法，包括：
3.根据权利要求2所述的虚假图像检测方法，其特征在于，所述基于所述第一图像训练集训练初始特征编码模型和第一初始分类模型，得到所述目标特征编码模型和所述多层感知机分类模型，包括：
4.根据权利要求2所述的虚假图像检测方法，其特征在于，所述从所述第一图像训练集中筛选出第二图像训练集，包括：
5.根据权利要求4所述的虚假图像检测方法，其特征在于，所述从所述第一图像训练集中属于虚假类别的虚假图像样本中筛选得到虚假样本集，包括：
6.根据权利要求2所述的虚假图像检测方法，其特征在于，所述第一图像训练集包括多个第一图像样本、多个所述第一图像样本对应的第一标注标签以及属于虚假类别...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：北京瑞莱智慧科技有限公司，
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。