一种针对人脸图像伪造检测的伪影增强融合模块制造技术

本发明专利技术提出了一种针对人脸图像伪造检测的伪影增强融合模块，定位人脸伪造检测场景中真实样本数量有限、伪影信息难以有效融合，进而影响模型泛化能力的问题。本方法提出一种全新的铁塔混合模式以及与高频伪影的融合操作。具体来说，通过对数据集D进行人脸定位分割得到样本集S，然后计算样本集S中样本的人脸中心并中心对齐；随机抽取n个样本为一组，组内使用仿射变换对齐人脸中心；通过训练一个可学习参数的神经网络融合由铁塔混合模块得到增强样本EG和高频抽取模块得到的空域高频表示最终得到补全伪影信息FEG输入鉴别器中训练。该模块可以灵活应用在各个检测模型中增强对伪影的感知泛化能力。

【技术实现步骤摘要】

本专利技术涉及人脸图像伪造检测领域，通过对数据集特征增强和融合高频伪影操作解决人脸伪造检测中真实样本数量有限、伪影信息难以有效融合，进而影响模型泛化能力的问题。

技术介绍

1、近年来，深度学习技术的飞速发展，一系列革命性的生成式人工智能模型如生成对抗网络(gans)、扩散模型(diffusion models)等应运而生，它们在图像生成领域取得了令人瞩目的成就。这些先进的算法极大地推动了图像生成技术的进步，所生成的图像质量达到了前所未有的真实程度。

2、然而，随着生成式人工智能技术的普及和滥用，一系列安全问题也逐渐浮出水面。深度伪造内容的出现，尤其是人脸伪造技术的泛滥，使得虚假信息的传播变得更加难以察觉，这不仅对个人隐私构成了威胁，也对社会的信任体系形成了巨大威胁。在这种情况下，人脸伪造检测技术作为一种对抗手段，其研究迫在眉睫，迅速成为业界研究的热点。

3、近几年，业界陆续提出了多个人脸伪造检测方法，但这些方法普遍存在模型泛化能力弱的问题，造成这些问题的根本原因在于模型难以有效捕捉伪造留下的细微伪影，特别是在处理跨数据集样本时，模型本文档来自技高网...

【技术保护点】

1.一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于步骤S1的具体方法为：

3.根据权利要求1所述的一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于步骤S2的具体方法为：

4.根据权利要求1所述的一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于步骤S3的具体方法为：

5.根据权利要求1所述的一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于步骤S4的具体方法为：

6.根据权利要求1所述的一种针对人脸图像伪造检测的...

【技术特征摘要】

1.一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于步骤s1的具体方法为：

3.根据权利要求1所述的一种针对人脸图像伪造检测的伪影增强融合模块，其特征在于步骤s2的具体方法为：

4.根...

【专利技术属性】
技术研发人员：蔡梓聪，陈平华，邵长城，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：