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：中国人民解放军国防科技大学

摘要：本发明公开了一种基于区域感知的伪造图像检测与定位方法，具体来说，本方法采用的网络模型由数据预处理模块、受监督的编码器‑解码器网络以及分类预测网络组成。编码器‑解码器网络将原始输入图像转变为一个灰度图像，与分类预测网络相结合，不仅可以判断一张人脸图像是伪造的还是真实的，而且还可以准确定位伪造区域。同时，本发明还提出了一种用于区域感知深度伪造检测的新的混合损失，所述混合损失通过融合二元交叉熵BCE损失和IoU损失，指导网络在图像级map‑level以及像素级pixel‑level2个不同的层次上学习输入图像与标签之间的转换。

主权项：1.一种基于区域感知的伪造图像检测与定位方法，其特征在于，所述方法包括：对输入视频进行数据预处理后得到输入图像，并为每个输入图像生成软标签；将所述输入图像输入编码器-解码器网络进行训练，所述编码器-解码器网络通过有监督的方式进行训练，编码器和解码器均由K个卷积模块串联组成，解码器的每个卷积模块的最后一层通过软标签进行监督学习；将所述编码器的输出图像通过分类预测网络进行训练，所述分类预测网络由M个卷积模块串联组成，在每个卷积模块后，分别设置不同的分类器，每个分类器通过硬标签进行监督学习；使用融合了二元交叉熵损失以及IoU损失的混合损失函数来训练编码器-解码器网络和分类预测网络；将待检测图像输入至训练后的编码器-解码器网络和分类预测网络，检测输出所述待检测图像的伪造区域和真伪识别结果；所述混合损失函数Lhybrid为：Lhybrid＝δ1LBCE+δ2LIoULBCE＝LBCE_map+LBCE_pixel 其中，LBCE是二元交叉熵损失，LIoU是IoU损失，δ1和δ2表示权重，LBCE_map为二元交叉熵损失在图像级上的表达式，LBCE_pixel为二元交叉熵损失在像素级上的表达式，lc表示分类预测网络中第c个分类器输出的二元交叉熵损失，C表示分类器的数量，αc表示每个分类器输出的二元交叉熵损失的权重，sk表示解码器中第k个卷积模块输出的二元交叉熵损失，K表示输出的mask数量，βk表示解码器中每个卷积模块输出的二元交叉熵损失的权重，tk表示解码器中第k个卷积模块输出的IoU损失，γk表示解码器中每个卷积模块输出的IoU损失的权重；分类预测网络中单个分类器的二元交叉熵损失为：l＝-[y·logp+1-y·log1-p]解码器中单个卷积模块输出的二元交叉熵损失为： 解码器中单个卷积模块输出的IoU损失为 其中，y、p分别表示输入图像的真实硬标签和预测其为真实图像的概率值，Gm,n∈{0,1}表示输入图像在像素点m,n处的软标签值，Sm,n表示模型预测为像素点m,n为伪造区域的概率值。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种基于区域感知的伪造图像检测与定位方法及系统