基于对抗生成网络的深度合成图像检测增强方法及装置
摘要文本
本发明公开了一种基于对抗生成网络的深度合成图像检测增强方法及装置，属于图像检测技术领域，包括以下步骤：收集深度合成图像数据集；根据数据集训练真伪检测模型；训练对抗生成网络以提高真伪检测模型对深度合成数据的检测性能；根据真伪检测模型构建包含梯度信息在内新数据集；根据新数据集对第三方真伪检测模型进行重新训练；深度合成服务方使用对抗生成网络对深度合成图片进行增强，使得第三方真伪检测模型以高检测率检测深度合成图片。本发明采用上述的一种基于对抗生成网络的深度合成图像检测增强方法及装置，可以提高对深度合成图片的检测率。
申请人信息
- 申请人:浙江大学
- 申请人地址:310027 浙江省杭州市西湖区浙大路38号
- 发明人: 浙江大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于对抗生成网络的深度合成图像检测增强方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410081459.2 |
| 申请日 | 2024/1/19 |
| 公告号 | CN117593311A |
| 公开日 | 2024/2/23 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 浙江大学 |
| 发明人 | 巴钟杰; 郑乔木; 程鹏; 王庆龙; 黄鹏; 秦湛; 任奎 |
| 地址 | 浙江省杭州市西湖区余杭塘路866号 |
专利主权项内容
1.一种基于对抗生成网络的深度合成图像检测增强方法，其特征在于，深度合成图像检测方法分为深度合成图像增强阶段和第三方检测模型训练阶段；其中，深度合成图像增强阶段包括以下步骤：S1、获取深度合成图像数据集D；1S2、从图像数据集D中随机抽取N个图像数据构成图像数据I，将图像数据I进行图像增广操作，得到N个增广后图像；111S3、将N个增广后图像输入至真伪图像分类器M分别进行真伪类别的确定，并计算得到第一真伪分类损失参数；1S4、根据第一真伪分类损失参数，以减小总损失为优化目标，采用优化算法对真伪图像分类器M进行对应参数优化及更新，得到真伪图像分类器M；111S5、对步骤S4得到的真伪图像分类器M，训练新的自动编码器G；111S6、将图像数据I分别输入真伪图像分类器M与自动编码器G，得到真伪置信度与嵌入扰动P，对嵌入扰动P按照上界 />、下界/>截断后嵌入图像数据I得到图像I；11111112将图像I截断至0~1之间后输入真伪图像分类器M，计算得到真伪置信度；211S7、根据嵌入扰动P前后的图片对应的真伪置信度计算检测增强指标参数、第二真伪分类损失参数、扰动幅度损失参数，以减小总损失为优化目标，采用优化算法对自动编码器G进行对应参数优化及更新。11 来自-官网