典型文献
基于图像细粒度特征的深度伪造检测算法
文献摘要：
随着深度学习的发展,深度伪造生成模型解决了生成图像中存在明显伪影的问题,但深度伪造图像与真实图像之间的区别往往是细微且局部的.因此,文章构建了一个基于图像细粒度特征的检测模型FGDD.针对深度伪造检测任务中仅使用粗粒度特征的不足,FGDD利用多分支模型充分学习样本图像的细粒度特征,通过引入通道注意力机制以及优化激活图掩膜定位策略提升面部敏感区域定位的精度.在激活图中,利用多级滑动窗口提取样本中的高区分度细微特征,通过AugMix数据增强策略提升模型对于细粒度特征的鲁棒性.实验结果表明,FGDD在多个数据集上的测试准确率优于主流算法,证明了基于图像细粒度特征的深度伪造检测算法的有效性.
文献关键词：
深度伪造;深度伪造检测;细粒度特征;数据增强
中图分类号：
作者姓名：
彭舒凡;蔡满春;刘晓文;马瑞
作者机构：
中国人民公安大学信息网络安全学院,北京 100038
文献出处：
引用格式：
[1]彭舒凡;蔡满春;刘晓文;马瑞-.基于图像细粒度特征的深度伪造检测算法)[J].信息网络安全,2022(11):77-84
A类：
FGDD,AugMix
B类：
细粒度特征,深度伪造检测,检测算法,伪造生成,生成模型,成图,伪影,检测模型,粗粒度,多分支,支模,通道注意力机制,激活图,掩膜,膜定位,定位策略,策略提升,敏感区域,区域定位,滑动窗口,区分度,细微特征,数据增强策略,流算法
AB值：
0.238299
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
