买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明公开了一种基于积极扰动的Deepfake人脸检测方法，包括：将目标人脸图像输入训练好的生成器网络进行积极扰动的添加，得到带有积极扰动的生成图像；生成器网络包括超分辨率网络和噪声网络两个子网络；将生成图像输入真伪鉴别网络进行检测，输出目标人脸图像的预测标签，确定目标人脸图像的检测结果；其中所述生成器网络的构建训练方法包括：利用真假人脸图像对训练数据集，对生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络进行迭代训练，直至生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数均达到对应的预设要求，得到训练好的生成器网络。对输入的人脸图像添加积极扰动，引导Deepfake人脸检测网络产生正确的分类。

主权项：1.一种基于积极扰动的Deepfake人脸检测方法，其特征在于，所述方法包括：将目标人脸图像输入训练好的生成器网络进行积极扰动的添加，得到带有积极扰动的生成图像；其中所述生成器网络包括超分辨率网络和噪声网络两个子网络；将所述生成图像输入真伪鉴别网络进行检测，输出目标人脸图像的预测标签，确定目标人脸图像的检测结果；其中所述生成器网络的构建训练方法包括：构建生成器网络、特征鉴别器网络和真伪鉴别网络；其中所述特征鉴别器包括真实图像特征鉴别器和伪造图像特征鉴别器；设置训练生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数；利用真假人脸图像对训练数据集，对生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络进行迭代训练，直至生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数均达到对应的预设要求，得到训练好的生成器网络，具体包括：输入真假人脸图像对训练数据集作为原始图像，结合生成器网络的总损失函数，将积极扰动加入到输入的原始图像中，由生成器网络得到带有积极扰动的生成图像；其中，所述原始图像包括对应的原始真图和原始假图；所述生成图像包括对应的生成真图和生成假图；将生成图像和原始图像输入预训练好的真伪鉴别网络中进行特征提取，再将真伪鉴别网络提取得到的两者的特征输入特征鉴别器中鉴别，所述特征鉴别器用于帮助生成器生成更符合要求的生成图像；计算真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数，更新真实图像特征鉴别器和伪造图像特征鉴别器网络参数，使得特征鉴别器学习到原始图像特征和生成图像特征的区别；计算生成器网络中的总损失函数，更新生成器网络参数，使得生成器生成更符合要求的生成图像；迭代执行上述步骤，直至生成器网络、真实图像特征鉴别器和伪造图像特征鉴别器网络的损失函数均达到对应的预设要求，得到训练好的生成器网络。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于积极扰动的Deepfake人脸检测方法