-
公开(公告)号：CN114898437B
公开(公告)日：2024-12-31
申请号：CN202210577016.3
申请日：2022-05-25
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于频率学习的深度伪造人脸检测方法，提出一种频率感知注意力模块来检测伪造的人脸图像，可以细化频域的表示，促进对频率伪影的学习，有效提取了频域的伪影信息，通过双流框架来提取图像的特征，同时捕捉空间域中的伪影信息以及在空间域中难以捕获但在频域较为明显的伪影信息，通过对空间域和频域的交融学习，充分利用已有数据获得最好的表征结果。同时通过引入深度伪造对比损失函数，可以在区别真假人脸的基础上保留了由不同篡改技术获得的伪造人脸的相对分布，减少真实人脸的类内方差，且放大特征空间中的类间多样性，大大提高了伪造人脸检测的泛化性以及面对真实场景中各种未知篡改方法的鲁棒性。
-
公开(公告)号：CN111611413A
公开(公告)日：2020-09-01
申请号：CN202010453613.6
申请日：2020-05-26
Applicant: 北京邮电大学
Abstract: 基于度量学习的深度哈希方法，涉及计算机视觉和图像处理领域，解决现有深度哈希方法的对比损失函数只能使得相同类别的图像在量化前的特征向量尽可能接近，但并不能鼓励其符号相同；使不同类别图像的量化前的值尽可能远离，但并不能鼓励其符号相反；最终导致量化后的哈希码鉴别力差，造成误判等问题，本发明构建哈希对比损失函数，对于量化前的实数值特征向量进行符号位的约束，使得量化前的实数值特征向量在经过符号函数量化后，得到的代表图像的哈希编码更加的准确，通过fsim(fi·fj)和fdiff(fi·fj)两个控制函数，对符号进行约束；表达式中其他部分用于使相同类别图像的特征值接近，不同类别图像特征值远离。本发明方法有效的提高分类的精度，减少了误判率。
-
公开(公告)号：CN111611413B
公开(公告)日：2023-04-18
申请号：CN202010453613.6
申请日：2020-05-26
Applicant: 北京邮电大学
IPC: G06F16/51 , G06F16/53 , G06N3/0464 , G06N3/084 , G06N3/08
Abstract: 基于度量学习的深度哈希方法，涉及计算机视觉和图像处理领域，解决现有深度哈希方法的对比损失函数只能使得相同类别的图像在量化前的特征向量尽可能接近，但并不能鼓励其符号相同；使不同类别图像的量化前的值尽可能远离，但并不能鼓励其符号相反；最终导致量化后的哈希码鉴别力差，造成误判等问题，本发明构建哈希对比损失函数，对于量化前的实数值特征向量进行符号位的约束，使得量化前的实数值特征向量在经过符号函数量化后，得到的代表图像的哈希编码更加的准确，通过fsim(fi·fj)和fdiff(fi·fj)两个控制函数，对符号进行约束；表达式中其他部分用于使相同类别图像的特征值接近，不同类别图像特征值远离。本发明方法有效的提高分类的精度，减少了误判率。
-
公开(公告)号：CN114898437A
公开(公告)日：2022-08-12
申请号：CN202210577016.3
申请日：2022-05-25
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于频率学习的深度伪造人脸检测方法，提出一种频率感知注意力模块来检测伪造的人脸图像，可以细化频域的表示，促进对频率伪影的学习，有效提取了频域的伪影信息，通过双流框架来提取图像的特征，同时捕捉空间域中的伪影信息以及在空间域中难以捕获但在频域较为明显的伪影信息，通过对空间域和频域的交融学习，充分利用已有数据获得最好的表征结果。同时通过引入深度伪造对比损失函数，可以在区别真假人脸的基础上保留了由不同篡改技术获得的伪造人脸的相对分布，减少真实人脸的类内方差，且放大特征空间中的类间多样性，大大提高了伪造人脸检测的泛化性以及面对真实场景中各种未知篡改方法的鲁棒性。
-
-
-
Search Results
4
records
(took 0.02 seconds)
