公开(公告)号：CN114549481A

公开(公告)日：2022-05-27

申请号：CN202210177248.X

申请日：2022-02-25

Applicant: 河北工业大学

Inventor： 阎刚 ,  李佳杨 ,  朱叶 ,  郭迎春 ,  于洋 ,  郝小可 ,  师硕 ,  刘依

IPC: G06T7/00 ,  G06V10/40 ,  G06K9/62 ,  G06T7/10 ,  G06T7/50 ,  G06V10/764

Abstract: 本发明为一种融合深度和宽度学习的深度伪造图像检测方法，首先将待检测图像转换为灰度图像并分割为两组图像块，提取每个图像块的中心化频域幅度谱并对其施加注意力机制，再对两组图像块进行通道连接，得到初级特征；其次，构建通道卷积自编码模块，利用预训练的通道卷积自编码模块的编码器对初级特征进行特征融合得到两个中级特征，分别作为特征映射流和特征增强流的输入，得到两个映射特征和增强特征；最后，根据宽度学习系统原理构建三个分类器，将三个分类器的输出结果进行加权平均，得到最终的检测结果。本方法对图像块施加注意力机制，可以从全局信息中关注篡改痕迹明显的区域，模型训练所需的数据和时间少，实现了准确度和效率的兼顾。

公开(公告)号：CN114549481B

公开(公告)日：2024-11-29

申请号：CN202210177248.X

申请日：2022-02-25

Applicant: 河北工业大学

Inventor： 阎刚 ,  李佳杨 ,  朱叶 ,  郭迎春 ,  于洋 ,  郝小可 ,  师硕 ,  刘依

IPC: G06T7/00 ,  G06V10/40 ,  G06T7/10 ,  G06T7/50 ,  G06V10/764

Abstract: 本发明为一种融合深度和宽度学习的深度伪造图像检测方法，首先将待检测图像转换为灰度图像并分割为两组图像块，提取每个图像块的中心化频域幅度谱并对其施加注意力机制，再对两组图像块进行通道连接，得到初级特征；其次，构建通道卷积自编码模块，利用预训练的通道卷积自编码模块的编码器对初级特征进行特征融合得到两个中级特征，分别作为特征映射流和特征增强流的输入，得到两个映射特征和增强特征；最后，根据宽度学习系统原理构建三个分类器，将三个分类器的输出结果进行加权平均，得到最终的检测结果。本方法对图像块施加注意力机制，可以从全局信息中关注篡改痕迹明显的区域，模型训练所需的数据和时间少，实现了准确度和效率的兼顾。