申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2024-04-23

公开（公告）日：2024-06-25

公开（公告）号：CN118097759B

主分类号：G06V40/16

分类号：G06V40/16;G06V40/40;G06V10/82;G06N3/045;G06N3/094;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.06.14#实质审查的生效;2024.05.28#公开

摘要：本发明公开基于双分支协作学习的跨域人脸伪造检测方法，涉及人脸图像伪造检测技术领域，包括以下步骤：S1：将双分支协作学习框架划分为两个分支，每个分支包含一个教师网络和一个学生网络，其中，第一个分支的教师和学生分别记作和，第二个分支的教师和学生分别记作和；S2：使用基于FFT的风格转换方法来生成潜在域图像，保持源域图像的内容与目标域图像的风格；S3：对学生网络进行优化；S4：对教师网络进行优化；S5：使用Xception作为骨干网络，对两对教师和学生网络，进行人脸伪造检测。本发明要解决的技术问题是提供基于双分支协作学习的跨域人脸伪造检测方法，方便人脸伪造检测。

主权项：1.基于双分支协作学习的跨域人脸伪造检测方法，其特征在于，包括以下步骤：S1：将双分支协作学习框架划分为两个分支，每个分支包含一个教师网络和一个学生网络，其中，第一个分支的教师和学生分别记作和，第二个分支的教师和学生分别记作和；S2：使用基于FFT的风格转换方法来生成潜在域图像，保持源域图像的内容与目标域图像的风格；S3：对学生网络进行优化；S4：对教师网络进行优化；S5：使用Xception作为骨干网络，对两对教师和学生网络，进行人脸伪造检测；所述S2的具体步骤为，通过将的振幅替换为的振幅，利用FFT生成类目标图像；S21：将源域、潜在域和目标域分别定义为、及；其中：、及分别表示每一个域中图像的个数；由于和有着相同的内容，因此可作为标签同时使用； ,,分别表示源域、潜在域、目标域中随机选取的第，，张人脸图像；,分别表示源域和目标域中的第，张人脸图像的标签；S22：构造了两对自适应，即和；第一个分支的和在对上进行域对齐和知识蒸馏，第二个分支的和在对上处理相同的过程；所述S3的具体步骤为：S31：先通过FFT引入一个额外的潜在域，减轻图像层面的域适应难度；通过将和其它域分别放在两个分支中进行对齐，使得两个分支可通过两个学生网络探索更丰富的跨域知识，为伪标签的细化提供更多的线索；在中，输入和依次经过特征提取器、对抗鉴别器和域分类器；S32：利用对抗学习在特征级实现域对齐；在特征提取器和域分类器之间引入了梯度反转层，当中的缺乏标号时，的损失函数可认为是无监督损失，表示如下： （1）其中：表示域标签； 为无监督损失中平衡两个分类重要性的权重，设置为0.1； 表示用于区分真假人脸的负对数似然损失； 表示用于从哪个域分类特征的负对数似然损失； 表示的标签；所述S4中，采用了EMA将学生网络中的参数传递到教师网络中，表示为： （2）其中：和分别为和的参数； 为EMA的平滑系数，设置为0.994，该系数决定了参数更新的权值。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于双分支协作学习的跨域人脸伪造检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD