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
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。