基于i_ResNet34模型和数据增强的深度伪造视频检测方法
针对深度伪造视频检测存在的面部特征提取不充分的问题,提出了改进的ResNet(i_ResNet34)模型和3种基于信息删除的数据增强方式.首先,优化ResNet网络,使用分组卷积代替普通卷积,在不增加模型参数的前提下提取更丰富的人脸面部特征;接着改进模型虚线残差结构的shortcut分支,通过最大池化层完成下采样操作,减少视频帧中人脸面部特征信息的损失,然后在卷积层后引入通道注意力层,增加提取关键特征通道的权重,提升特征图的通道相关性.最后,利用i_ResNet34模型对原数据集及3种基于信息删除的数据增强方式扩充后的数据集进行训练,其在FaceForensics++的两类数据集Face-Swap和Deepfakes上的检测准确率分别达到了99.33%和98.67%,优于现有的主流算法,从而验证了所提方法的有效性.
深度伪造;深度学习;残差网络;特征提取;数据增强;人工智能安全
48
TP309;TP18(计算技术、计算机技术)
国家重点研发计划;中国人民公安大学 2020 年基本科研业务费重大项目
2021-08-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
77-85