申请/专利权人:齐鲁工业大学(山东省科学院);山东省人工智能研究院;天津理工大学;山东中联视听信息科技股份有限公司
申请日:2024-03-26
公开(公告)日:2024-06-14
公开(公告)号:CN118196865A
主分类号:G06V40/16
分类号:G06V40/16;G06V40/40;G06V10/30;G06V10/44;G06V10/80;G06V10/82;G06V10/52;G06N3/0464
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明属于计算机视觉技术领域,提供了一种基于噪声感知的可泛化深度伪造图像检测方法及系统。方法包括以下步骤:获取待检测的包含人脸身份的视频;将待检测的视频数据进行预处理获取面部图像;将面部图像输入预训练的深度伪图像造检测模型,提取图像的深度伪造证据特征;深度伪图像造检测模型通过自适应噪声感知注意力模型,挖掘图像中的噪声信息作为鉴伪证据;将特征作为伪造证据用于判别面部图像是否经过深度伪造。本发明测试成本更低,效率更高效,泛化性更好,可以广泛的应对深度伪造图像检测场景。
主权项:1.一种基于噪声感知的可泛化深度伪造图像检测方法,其特征是,包括以下步骤:S110.获取待检测的人脸图像;S120.将面部图像输入预训练的深度伪图像造检测模型,提取图像的深度伪造证据特征;深度伪图像造检测模型通过自适应噪声感知注意力模型,挖掘图像中的噪声信息作为鉴伪证据;具体过程如下:通过噪声增强模块来使得模型捕获与图像本质噪声相关的信息,利用非局部一致性模块来分析同源区域的相似性以及异源区域的不一致性,使用多尺度融合模块来融合不同尺度的特征信息;深度伪图像造检测模型通过基于局部噪声数据增强的模型泛化机制,使用局部噪声数据增强流来生成更多样的训练数据,使得模型能够挖掘更鲁棒、伪造方法无关、可泛化的图像伪造证据;S130.将所述特征作为伪造证据用于判别面部图像是否经过深度伪造,并最终返回鉴别结果。
全文数据:
权利要求:
百度查询: 齐鲁工业大学(山东省科学院);山东省人工智能研究院;天津理工大学;山东中联视听信息科技股份有限公司 基于噪声感知的可泛化深度伪造图像检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。