基于空频联合卷积神经网络的GAN生成人脸检测

TP391.41%TP183; 生成式对抗网络(GAN)的快速发展使其在图像生成领域取得了前所未有的成功.StyleGAN等新型GAN的出现使得生成的图像更真实且具有欺骗性,对国家安全、社会稳定和个人隐私都构成了较大威胁.文中提出了一种基于空频联合的双流卷积神经网络的检测模型.鉴于GAN图像在生成过程中因上采样操作在频谱上留下了清晰可辨的伪影,设计了可学习的频率域滤波核以及频率域网络来充分学习并提取频率域特征.为了减弱图像变换至频域过程中丢弃部分信息而带来的影响,同样设计了空间域网络来学习图像内容本身具有差异化的空间域特征,最终将两种特征融合来实现对GAN生成人脸图像的检测.在多个数据集上的实...

Full description

Saved in:
Bibliographic Details
Published in计算机科学 Vol. 50; no. 6; pp. 216 - 224
Main Authors 王金伟, 曾可慧, 张家伟, 罗向阳, 马宾
Format Journal Article
LanguageChinese
Published 南京信息工程大学计算机学院、软件学院、网络空间安全学院 南京210044 2023
南京信息工程大学江苏省大气环境与装备技术协同创新中心 南京210044
数学工程与高级计算国家重点实验室 郑州450001%南京信息工程大学计算机学院、软件学院、网络空间安全学院 南京210044%数学工程与高级计算国家重点实验室 郑州450001%齐鲁工业大学山东省计算机网络重点实验室 济南250353
Subjects
频率域
卷积神经网络
人脸伪造检测
生成式对抗网络
数字图像取证
Online AccessGet full text

Cover

More Information
Summary:TP391.41%TP183; 生成式对抗网络(GAN)的快速发展使其在图像生成领域取得了前所未有的成功.StyleGAN等新型GAN的出现使得生成的图像更真实且具有欺骗性,对国家安全、社会稳定和个人隐私都构成了较大威胁.文中提出了一种基于空频联合的双流卷积神经网络的检测模型.鉴于GAN图像在生成过程中因上采样操作在频谱上留下了清晰可辨的伪影,设计了可学习的频率域滤波核以及频率域网络来充分学习并提取频率域特征.为了减弱图像变换至频域过程中丢弃部分信息而带来的影响,同样设计了空间域网络来学习图像内容本身具有差异化的空间域特征,最终将两种特征融合来实现对GAN生成人脸图像的检测.在多个数据集上的实验结果表明,所提模型在高质量生成数据集上的检测精度及在跨数据集的泛化性上都优于现有算法,且对于JPEG压缩、随机剪裁、高斯模糊等图像变换具有更强的鲁棒性.不仅如此,所提方案在GAN生成的局部人脸数据集上也有不错表现,进一步证明了所提模型有着更好的通用性以及更加广泛的应用前景.
ISSN:1002-137X
DOI:10.11896/jsjkx.220400268