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：厦门瑞为信息技术有限公司;厦门大学

摘要：本发明公开了一种基于自信息增强对比学习的深度伪造人脸检测方法，包括：获取样本图像并进行数据增强生成两个视图；将两个视图输入至特征提取网络，利用多尺度特征增强模块、自信息增强学习模块分别对图像的浅层、中层、深层特征进行学习。所述多尺度特征增强模块用于提高网络的局部与全局特征建模能力；自信息增强学习模块利用自信息度量来量化生成人脸局部区域的自信息差异，突出高信息纹理与形状特征，并通过注意力机制来降低网络对特定伪造痕迹的关注；利用级联的Projector和Predictor架构，结合相互预测机制在高维空间中捕捉伪造模式与面部结构多样性的细微变化。最终利用二分类交叉熵损失函数和相互预测一致性损失函数来优化模型并进行真伪判别。

主权项：1.一种基于自信息增强对比学习的深度伪造人脸检测方法，其特征在于，包括以下步骤：S1、对真实视频与伪造视频进行预处理得到仅包含人脸区域的图像，生成样本图像，利用图像增强模块对所述样本图像进行数据增强，随机生成两种不同数据增强方式的图像，分别为第一视图和第二视图；S2、利用Xception作为骨干网络对所述第一视图和所述第二视图进行特征提取，并通过多尺度特征增强模块对浅层特征进行学习，获取多尺度增强特征，将所述多尺度增强特征经过自信息度量计算，获得自信息特征图；S3、在所述骨干网络的浅层和中层分别插入自信息增强学习模块，所述自信息特征图经过自信息增强学习模块输出自信息增强特征，利用所述骨干网络的深层网络对所述自信息增强特征进行编码，输出编码特征和，将所述编码特征和进行拼接，获得最终编码特征；S4、利用级联的Projector和Predictor将所述编码特征和映射至高维空间，分别得到所述第一视图的高维特征向量和，以及所述第二视图的高维特征向量和，分别拉近和、和的距离，形成相互预测机制；S5、利用两个不同的分支进行模型优化训练，第一分支通过池化层和全连接层获得一个预测结果，利用所述预测结果判断真伪，并以交叉熵损失函数进行优化；第二分支引入一致性损失函数来最大化所述第一视图和所述第二视图之间的特征表示相似性；利用所述交叉熵损失函数和所述一致性损失函数共同训练，得到训练好的深度伪造人脸检测模型。

全文数据：

权利要求：

百度查询： 厦门瑞为信息技术有限公司 厦门大学 一种基于自信息增强对比学习的深度伪造人脸检测方法