10.16055/j.issn.1672-058X.2023.0004.006
基于改进高斯滤波网络的深度伪造检测方法
针对虚假视频的检测中,特征噪声多、数据量大和检测准确率低的问题,提出一种改进高斯滤波对地标点进行去噪和改进深度网络模型来提升精度的算法(IGFNet);算法将高斯滤波拓展到空域和值域上,在滤除低频噪声的同时尽可能保留高频噪声,使得在后续特征数据的处理中,标记点的精度得以提升;采用特征化的数据代替原始数据以减少数据量,使得送入网络的数据量大大缩小,有效缩短了训练时长和减少了网络参数量,在实际应用中可以增加鉴别虚假视频的效率;并且针对人脸属性特征点的差异采用不同深度的双流神经网络,从而更加有效地学习如何鉴别虚假视频.实验表明:改进高斯滤波网络算法(IGFNet)有效地增加了真假脸检测的准确率,在与当前较为优秀的方法如Meso4,Xecption,LRNet等的对比下,IGFNet的准确率均有不同程度的提升,在跨数据集的测试上提升尤为明显;在压缩过的虚假视频测试中,IGFNet的泛化下降程度最低,显示了较强的鲁棒能;通过改进网络加入梯度热力图以直观判断出IGFNet对于深度伪造图片的鉴别能力.
深度学习、深度图像伪造、改进高斯滤波、循环神经网络
40
TP391.41;TP183(计算技术、计算机技术)
安徽省自然科学基金;安徽省高校自然科学基金项目;安徽省重大科技专项基金项目;安徽理工大学研究生创新基金项目
2023-09-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
41-47