| 基于CNN-Transformer双流网络的伪脸检测 |
| |
| 引用本文： | 杨一,卢佩,刘效勇,谢峰. 基于CNN-Transformer双流网络的伪脸检测[J]. 科学技术与工程, 2023, 23(19): 8288-8295 |
| |
| 作者姓名： | 杨一 卢佩 刘效勇 谢峰 |
| |
| 作者单位： | 桂林理工大学;桂林理工大学信息科学与工程学院;桂林理工大学；广西嵌入式技术与智能系统重点实验室 |
| |
| 基金项目： | 国家自然科学(No.62066011,61906192,61841111), 广西自然科学(No.2022GXNSFAA035640), 国家重点研发项目(No.2020AAA0105802), 桂林理工大学启动(No.GUTQDJJ2019175, GUTQDJJ2019176). |
| |
| 摘 要： | 生成对抗网络(generative adversarial networks, GANs)技术正逐步成为合成图像的主流方法，合成的人脸图像对社会稳定和国家安全具有潜在的风险隐患，因此识别GAN生成的人脸已成为一个重要问题。为解决卷积神经网络(convolutional neural networks, CNN)在训练过程中无法获取图像全局表示的问题，提出了一种CNN-Transformer双流网络检测框架，在最大限度提取局部特征的同时，进一步保留图像的全局信息。首先，在CNN分支流中引入空间注意力和通道注意力，关注图像关键信息并提取局部特征；其次，利用Transformer分支流提取图像的全局信息；最后，中间利用桥接双分支的MixBlock交互模块分别将两者提取的局部特征和全局信息融合在一起。实验结果表明：与现有两种方法相比，本文所提方法在公共伪脸数据集上的分类检测精度分别提升了5.42%和1.95%,并且在后处理的图像上表现出一定的鲁棒性。
|
| 关 键 词： | 生成对抗网络 注意力机制 卷积神经网络 Transformer 伪造人脸 |
| 收稿时间： | 2022-10-27 |
| 修稿时间： | 2023-04-21 |
Fake Face Detection Based on Dual-Stream Network |
| |
| Yang Yi,Lu Pei,Liu Xiaoyong,Xie Feng. Fake Face Detection Based on Dual-Stream Network[J]. Science Technology and Engineering, 2023, 23(19): 8288-8295 |
| |
| Authors: | Yang Yi Lu Pei Liu Xiaoyong Xie Feng |
| |
| Affiliation: | Guilin university of technology |
| |
| Abstract: | |
| |
| Keywords: | generative adversarial networks attention mechanism convolutional neural networks transforme-r fake face |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载全文 |
