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：浙江工业大学

摘要：本发明公开了一种基于模仿学习的Deepfake检测方法，包括：1采集样本数据，将样本数据进行预处理后划分为专家样本S和测试样本T；2对专家样本S和测试样本T中数据的类别进行one‑hot编码，获取对应的类别标签序列；3构建策略模型Actor和判别器D，将专家样本S的状态‑动作对输入到策略模型Actor中进行训练，并通过判别器D输出的置信度反向传播梯度求导更新策略模型Actor的模型参数，直到损失函数收敛；4策略模型Actor的训练结束，用测试样本进行测试，计算出策略模型Actor的决策准确率；5将策略模型Actor应用于Deepfake视频的真假判别。利用本发明，使得模型的训练过程相对简单，不需要设计复杂的框架结构，应用场景更加全面。

主权项：1.一种基于模仿学习的Deepfake检测方法，其特征在于，包括以下步骤：1采集样本数据，将样本数据进行预处理后划分为专家样本S和测试样本T；预处理具体为：对于视频MP4格式的样本数据，用opencv每5帧提取一张图片，再用dlib工具提取图片中的人脸，并进行人脸对齐；2对专家样本S和测试样本T中数据的类别进行one-hot编码，获取对应的类别标签序列；构建专家样本S和测试样本T的状态-动作对，其中，状态对应样本图片，动作对对应样本图片的类别标签；3构建策略模型Actor和判别器D，将专家样本S的状态-动作对si,ai输入到策略模型Actor中进行训练，并通过判别器D输出的置信度δ反向传播梯度求导更新策略模型Actor的模型参数θi，直到损失函数收敛；具体过程为：3-1专家样本S的状态-动作对si,ai输入到策略模型Actor中，策略模型Actor输出的状态-动作对为si,a′i；3-2将专家样本S的状态-动作对si,ai以及策略模型Actor输出的状态-动作对si,a′i输入到判别器D中，对于每一个输入的状态-动作对，判别器D会输出一个置信度δ；开始训练时，对于专家样本S输入的状态-动作对si,ai，判别器D会输出一个较大的置信度δi；对于策略模型Actor输出的状态-动作对si,a′i，判别器D会输出一个较小的置信度δ′i；3-3判别器D作为模仿学习的reward函数，用判别器D输出的置信度δ反向传播梯度求导更新策略模型Actor的模型参数θi，策略模型Actor输出的状态-动作对si,a′i中的动作值a′i会发生改变，更加接近专家样本S的状态-动作对si,ai中的动作值ai，判别器D输出的置信度δ′i也会更加接近置信度δi，不断迭代这个过程，直到损失函数收敛；4策略模型Actor的训练结束，将测试样本T的状态-动作对输入到策略模型Actor中，通过策略模型Actor输出的类别标签对比测试样本的类别标签，计算出策略模型Actor的决策准确率；5将策略模型Actor应用于Deepfake视频的真假判别。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于模仿学习的Deepfake检测方法