【摘 要】
：
深度伪造技术的出现和发展使得视频内容的真实性无法得到保证,同时深度伪造内容的迅速传播和受到的广泛关注使其带来的负面影响和潜在威胁日渐严重。因此,深度伪造检测技术的研究对个人隐私的保护和社会信任体系的维护都有着极其重要的意义。本文的研究内容是面向不同质量的深度伪造检测。现有的检测方法在面向经过压缩的深度伪造图像和视频时,检测准确率会出现明显的下降。本文将检测不同程度压缩率的深度伪造图像和视频定义为不
论文部分内容阅读
深度伪造技术的出现和发展使得视频内容的真实性无法得到保证,同时深度伪造内容的迅速传播和受到的广泛关注使其带来的负面影响和潜在威胁日渐严重。因此,深度伪造检测技术的研究对个人隐私的保护和社会信任体系的维护都有着极其重要的意义。本文的研究内容是面向不同质量的深度伪造检测。现有的检测方法在面向经过压缩的深度伪造图像和视频时,检测准确率会出现明显的下降。本文将检测不同程度压缩率的深度伪造图像和视频定义为不同质量的深度伪造检测,提出了两种面向不同质量的深度伪造检测方法,主要内容如下:（1）提出了一种基于频域滤波残差图的深度伪造检测方法。深度伪造技术的后处理操作主要是为了抹除图像和视频RGB域的伪造痕迹,频域中的伪造痕迹所受影响相对更小,因此本文提出结合图像的RGB域特征和中高频域特征来挖掘伪造痕迹。首先对图像进行哈尔小波变换,然后将原图的灰度图和低频信息图进行残差运算得到图像的中高频域信息残差图,最后将原图和中高频域信息残差图拼接在一起输入卷积神经网络进行真伪判别。此方法能够同时在RGB域和频域提取真伪图像的差异性特征,挖掘更丰富的伪造痕迹,从而减少压缩操作对检测性能的影响,提高面向不同质量的深度伪造的检测性能。（2）提出了一种基于人脸区域和背景区域特征相似性的深度伪造检测方法。现有方法多数是提取图像或视频的特定域特征进行深度伪造的检测,这很容易受到压缩操作的影响和伪造技术的针对。本文提出利用真伪图像在人脸区域和背景区域特征相似性上的固有差异来检测深度伪造图像。由于真实人脸图像和视频各区域在成像过程中所经历的步骤是相同的,所以各区域的噪声特征分布是具有一致性和连续性的。而伪造图像对人脸区域的篡改性操作会破坏这种特性,这是深度伪造技术无法避免的问题。因此,真伪图像不同区域特征相似性上的差异是压缩操作难以消除的,这保证了方法对压缩操作的鲁棒性,从而提高面向不同质量的深度伪造的检测性能。（3）本文在未压缩,轻压缩和重压缩场景下分别进行了充分的实验来评估所提两种方法,并与领域内多种方法进行了对比。然后根据三个场景的实验结果评估了所提方法在面向不同质量的深度伪造时的平均检测性能。实验结果表明,本文所提两种方法在面向不同质量的深度伪造时取得了优于基准方法和对比方法的检测性能,基于人脸区域和背景区域特征相似性的方法在重压缩场景下的三个子数据集上取得了领域最优性能。
其他文献
＜正＞中国人民银行（以下简称人民银行）内审司业务审计处（以下简称业务审计处）以习近平新时代中国特色社会主义思想为指导,深入学习贯彻习近平总书记在中央审计委员会第一次会议上的重要讲话精神,组织、指导、监督和管理人民银行系统业务审计工作,不断提高工作质量,切实履行审计监督、评价和建议职责,在促进人民银行规范、高效履职方面发挥了积极作用。
X射线层析成像（Computed Tomography,CT）能够清晰呈现物体三维结构,因此被广泛应用于医学影像诊断和工业无损探伤等领域。但该技术也存在一定的局限,由于重建三维图像需要采集数以百计的投影,导致重建时间长、辐射剂量大。为解决以上问题,此前的研究从减少投影采集角度入手,提出了基于有限角度、稀疏角度甚至单视角进行CT重建的方法。尽管近年来深度学习的飞速发展加快了单视角CT重建的研究,但目
随社会经济的飞速发展,陆地的许多资源已无法满足人们需要,对海洋资源的开发处于一个十分重要的战略地位。水声通信在海洋资源的环境勘探与开发等方面扮演着不可或缺的角色。相较陆地无线通信系统,水声通信面临更多挑战,如时延扩展长、带宽受限、多普勒效应显著以及快速时变等。为实现在复杂多变水声信道中的可靠通信,本文将正交时频空间调制（OTFS）与水声通信结合。针对OTFS水声通信系统中的信道估计与信道均衡技术展
无线感知是一种通过分析受目标状态影响的无线信号来获取感兴趣目标状态信息的新兴非接触感知技术。该技术利用周围广泛存在的无线信号来对目标状态进行感知,其具有低成本、不受光照影响、隐私性较好等优点,因而使得其在智能家居、智能监护、人机交互领域有着广泛的应用前景。受深度网络在计算机视觉领域广泛应用并取得丰富成果的启发,无线感知技术近年来很多工作都倾向于采集无线数据集,然后基于数据构建无线射频图像数据集,接
遥感图像目标识别是一种图像级的任务,目的是分辨遥感图像中物体的类别,在军事安全、海上交通等方面应用广泛。近年来,深度卷积网络在遥感图像识别任务中表现优异,相对于传统方法展现出巨大优势。目前,深度学习在遥感图像目标识别领域主要的研究方式为利用注意力机制获取辨识性特征或是加入检测、分割等子网络定位识别重点区域。然而,多数遥感图像目标识别研究仅适用于高分辨率遥感图像。针对低分辨率遥感图像目标识别准确度较
随着资源需求的日益增加,世界各国愈发重视海洋资源的勘探与利用。水下无线传感器网络（Underwater Wireless Sensor Network,UWSN）作为开发利用海洋的重要技术手段之一,受到了学界和业界的广泛关注。但是,目前对水下无线传感器网络的研究仍面临诸多挑战,例如,水下传感器网络多功能节点的设计、网络节点的部署算法等。本论文围绕水下无线传感器网络的移动节点部署方法和水下多媒体信息
显著性目标检测作为计算机视觉领域中的一项重要任务,对于图像高层语义的理解具备重要意义,为各类图像处理和计算机视觉相关任务提供了必要的先验知识。作为像素级图像分割任务,显著性目标检测非常依赖高质量、大规模的像素级标签作为数据支撑,其获取往往费时费力、代价高昂。因此,基于标注高效的图像级标签的弱监督学习近年来受到了广泛关注。现有工作大多关注于如何获取高质量的伪标签,而忽略了伪标签中广泛存在的噪声对于显
虹膜识别使用人眼图像中虹膜区域丰富的纹理信息进行用户身份识别,是目前最安全、使用最广泛的生物识别技术之一。为了提升虹膜识别技术的性能,本文设计了基于深度学习模型的虹膜定位和识别方法,分别从虹膜定位、虹膜识别以及模型轻量化三个方面展开研究。首先,与现有的使用标准圆形拟合虹膜内外轮廓的虹膜定位方法不同,为了缓解标准圆形框无法准确定位变形虹膜的问题,本文设计了一个基于旋转椭圆框的虹膜定位模型,该模型在旋
随着经济、科技和医疗水平的快速发展,社会人口老龄化愈发严重,老年群体的健康问题也随之凸显。跌倒已经成为老年群体意外伤害死亡的主要原因之一,若能及时对跌倒进行检测,则可以为救援提供宝贵的时间先机。本文基于计算机视觉技术,分别从人体的姿态建模和动作的时序建模两方面入手,充分挖掘了人体的姿态信息和动作的时序特征,提高了跌倒检测的准确率。首先,在姿态建模方面,现有的跌倒检测方法通常采用人体骨架来表征姿态。
显著性目标检测目的是识别出图像中最吸引人的对象或区域,是计算机视觉领域的重要任务。根据输入数据的类型,现有的显著性目标检测算法可以分为3类:RGB、RGB-D以及光场方法。与RGB以及RGB-D数据相比,光场数据包含丰富的场景信息,能够满足困难场景的信息需求。近年来,深度卷积神经网络的发展取代了传统基于手工特征的算法,显著提高了光场显著性目标检测的性能。然而实际场景中,较高的光场数据获取成本、极为