基于多通道注意力机制的人脸替换鉴别

摘要：

基于深度学习的人脸替换技术取得快速发展,但由DeepFake自动生成的人脸替换图片有可能危害人们的隐私安全.针对DeepFake图片鉴别问题,建立一种基于多通道注意力机制的深度学习鉴别网络模型.将Xception网络作为基础特征提取器,在多通道注意力模块中通过矩阵相乘的思想融合全局和局部的注意力表示,以减少重要信息损失.设计损失函数时添加中心损失,从而提高特征区分度.在训练过程中利用注意力图来引导训练图像的裁剪和去除,以达到数据增强的目的.实验结果表明,相比Xception、B4Att方法,在FaceForensics++数据集上该网络模型对DeepFake的检测精度分别提高0.77和0.45个百分点,在Celeb-DF数据集上分别提高5.30和4.68个百分点.

关键词：人脸替换;多通道注意力机制;图片鉴别;Xception网络;深度学习

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省教育厅科学研究项目JDL2019006

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：180-185,193