基于多层级特征空间注意力机制的深度伪造图像检测方法技术

本发明专利技术公开了一种基于多层级特征空间注意力机制的深度伪造图像检测方法，对输入的图像进行多层不同尺度的特征提取，然后获得输入的模糊图像中深层与浅层融合的特征，并将最后一层的特征图进行平均池化操作，获得主干网络用于预测的特征图；最终利用整平操作和拼接操作将各个特征图转换为一维向量，再送入分类层中，得出最终的预测值，即输入的图像是否为深度伪造图像的预测结果。本发明专利技术通过对多层级特征的有效利用以及空间注意力机制对有效局部特征的针对性强化，达到区分真伪人脸的目的，优化深度伪造图像的检测效果。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体涉及一种基于多层级特征空间注意力机制的深度伪造图像检测方法。

技术介绍

1、深度伪造(deepfake)图像检测是应对人工智能生成伪造内容(ai-generatedcontent,aigc)的重要技术，旨在识别通过深度学习技术(如gan、扩散模型等)合成的虚假图像或视频。深度伪造图像检测被广泛应用在各个领域，如社交媒体与内容审核(平台(如meta、twitter)利用检测技术自动标记或删除虚假内容)、司法与法律取证(鉴别伪造证据，辅助法庭取证(如deepfake视频的真实性鉴定))、金融安全(防止人脸识别系统被伪造图像/视频攻击(如银行身份认证))、影视与版权保护(检测未经授权的ai生成内容侵犯版权(如ai生成的明星肖像))。

2、现有的神经网络一般是对输入图像逐层处理，经过一系列的卷积操作，利用最后一层的特征图预测分类值。这种方法虽然消除了部分冗余信息，但会导致对结果有重大影响得部分细节信息被忽略，从而导致对深度伪造图像的检测效果不佳。

技术实现思路

<p>1、针对现有技术本文档来自技高网...

【技术保护点】

1.基于多层级特征空间注意力机制的深度伪造图像检测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，对步骤S2中得到的各层用于预测的特征图，都利用特征空间注意力机制进行如下处理：

3.根据权利要求1所述的方法，其特征在于，步骤S1中，采用EfficientNet-B4对输入的图像进行多种不同尺度的特征图的提取。

4.根据权利要求1所述的方法，其特征在于，步骤S1中，所述的不同尺度分别为112×112×24、56×56×32、28×28×56、14×14×160、7×7×448。

5.一种计算机可读存储介质，其特...

【技术特征摘要】

1.基于多层级特征空间注意力机制的深度伪造图像检测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，对步骤s2中得到的各层用于预测的特征图，都利用特征空间注意力机制进行如下处理：

3.根据权利要求1所述的方法，其特征在于，步骤s1中，采用efficientnet-b4对输入的图像进行多种不同尺度的特征图的提取。

4.根据权利要求1所述的方法，其特征在于，步骤s1中，所...

【专利技术属性】
技术研发人员：王悦宸，
申请(专利权)人：公安部第一研究所，
类型：发明
国别省市：