公开(公告)号：CN115909510A

公开(公告)日：2023-04-04

申请号：CN202211211481.1

申请日：2022-09-30

Applicant: 厦门华厦学院

Inventor： 陈婷婷 ,  林国凤 ,  陈明明 ,  杨光 ,  罗婷 ,  叶学森

IPC: G06V40/40 ,  G06V40/16 ,  G06V10/82

Abstract: 本发明公开了一种基于多尺度监督的深度伪造人脸图像检测方法和系统，包括将ResNet50主干网络的残差卷积块提取的特征fi‑1通过1x1的卷积层扩充通道数获得特征fi‑1*，特征fi通过转置卷积获得特征fi*，其中，主干网络包括4个主要的残差卷积块，i＝2,3,4；将特征fi‑1*和特征fi*送入尺度监督函数获得对应尺度监督函数；将第四个残差卷积块输出的特征送入全局平均池化层，送入分类层进行真伪图像分类，并利用标签平滑正则化的交叉熵损失函数进行监督训练，结合尺度监督函数和标签平滑正则化的交叉熵损失函数进行约束。本发明在不同的深度伪造人脸数据集上进行验证，模型有显著的提升。

公开(公告)号：CN116682141A

公开(公告)日：2023-09-01

申请号：CN202310657643.2

申请日：2023-06-05

Applicant: 厦门华厦学院

Inventor： 陈婷婷 ,  陈明明 ,  杨光 ,  林国凤 ,  张勤 ,  黄智财 ,  薛鹏辉 ,  郭泽扬

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于多尺度递进式感知的多标签行人属性识别方法，包括：将行人图像输入到主干网络中，经过主干网络的多个残差卷积块进行特征提取，得到属性特征信息；构建多个多尺度递进式感知模型，并进行训练；将训练好的多个多尺度递进式感知模型嵌入到主干网络中，将目标残差卷积块输出的属性特征信息输入到对应的多尺度递进式感知模型中，得到多尺度特征信息；将多个多尺度特征信息均通过全局平均池化层处理后，送入第一属性预测层进行属性概率预测；将后一个多尺度递进式感知模型对应的第一属性预测层对前一个多尺度递进式感知模型对应的第一属性预测层做递进式约束。本发明还公开了一种计算机可读存储介质，提升整个行人属性区域的特征鲁棒性。