基于空洞卷积和注意力机制的深度伪造检测

摘要：

人脸深度伪造图像的生成过程是对目标人脸进行替换,由于不同图片的肤色和光照等差异,在人脸周围会产生比较分散的伪影边界,且对人脸进行裁剪之后会包含部分背景信息的干扰.针对深度伪造图像的生成特点,区别于常规的CNN分类识别网络,设计了一种符合伪造痕迹特点的检测网络.首先,利用Resnet34卷积神经网络对待检测的图像提取初步的伪造特征;其次,经过空洞卷积提高网络模型的感受野来更好地捕获比较分散的伪造痕迹;再由空间注意力模块进行权重的重加权,减少其他背景信息的干扰;最后使用多层全连接神经网络对特征进行分类,达到对深度伪造图片进行准确分类的目的.在Faceforensics++、Celeb-DF、DFDC三个主流数据集上进行实验,并取得比当前其他方法更好的效果.实验结果表明,所提方法结合了空洞卷积和注意力机制,应对不同人脸截取比例的伪造图像拥有更好的适应性.

关键词：图像深度伪造;空洞卷积;注意力机制;深度学习;图像分类;伪造特征提取;感受野

所属期刊栏目：45

分类号：TN911.73-34;TP391.4

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;北京市自然科学基金

在线出版日期：2022-03-07（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：42-48