申请/专利权人:中国科学院自动化研究所
申请日:2023-02-10
公开(公告)日:2024-06-14
公开(公告)号:CN116524557B
主分类号:G06V40/16
分类号:G06V40/16;G06V40/40;G06N3/098;G06V10/82;G06V10/774;G06V10/764;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.06.14#授权;2023.08.18#实质审查的生效;2023.08.01#公开
摘要:本发明提供一种基于联邦学习的人脸伪造检测模型优化方法、装置及系统,涉及图像处理技术领域,该方法包括:根据多个客户端中上一次迭代训练后的基础参数集对上一次更新后的基础参数集进行更新,得到当前次更新后的基础参数集并发送至客户端,以供客户端根据当前次更新后的基础参数集和上一次迭代训练后的个性化层参数集在本地数据库中的人脸伪造训练数据集上,对人脸伪造检测模型进行优化,将优化后的人脸伪造检测模型的基础网络层的参数作为当前次迭代训练后的基础参数集;迭代执行上述训练过程,若满足预设终止条件,则获取最优的人脸伪造检测模型。本发明实现确保各客户端的人脸信息安全,提高人脸伪造检测模型的泛化性和检测性能。
主权项:1.一种基于联邦学习的人脸伪造检测模型优化方法,其特征在于,包括:对于当前次迭代训练,获取多个客户端中上一次迭代训练后的基础参数集,根据多个上一次迭代训练后的基础参数集,对上一次更新后的基础参数集进行更新,得到当前次更新后的基础参数集;所述基础参数集包括所述多个客户端中人脸伪造检测模型共享的基础网络层的参数;将所述当前次更新后的基础参数集发送至所述多个客户端;每一客户端用于根据所述当前次更新后的基础参数集和上一次迭代训练后的个性化层参数,在所述每一客户端的本地数据库中的人脸伪造训练数据集上,对所述每一客户端中的人脸伪造检测模型进行优化,将优化后的人脸伪造检测模型的基础网络层的参数作为当前次迭代训练后的基础参数集;迭代执行迭代训练的过程,直到满足预设终止条件,将最后一次更新后的基础参数集发送至所述多个客户端,以供所述多个客户端,根据所述最后一次更新后的基础参数集,获取最优的人脸伪造检测模型;所述最优的人脸伪造检测模型用于根据待检测人脸图像,输出所述待检测人脸图像的人脸伪造检测结果;每一客户端中的人脸伪造检测模型包括基础网络层和个性化网络层;其中,基础网络层为多个客户端中的人脸伪造检测模型共享的网络层,个性化网络层为多个客户端中的人脸伪造检测模型非共享的网络层;所述最优的人脸伪造检测模型是,基于基础网络层和个性化网络层构建生成的;所述基础网络层是,基于第一数量的特征提取模块堆叠形成的;所述个性化网络层是,基于第二数量的特征提取模块堆叠形成的;每一特征提取模块包括卷积层、池化层和残差层中的一种或多种组合。
全文数据:
权利要求:
百度查询: 中国科学院自动化研究所 基于联邦学习的人脸伪造检测模型优化方法、装置及系统
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。