5種流行假臉視頻檢測(cè)網(wǎng)絡(luò)性能分析和比較
關(guān)鍵詞：假臉視頻檢測(cè) 深度網(wǎng)絡(luò) 泛化能力 數(shù)據(jù)庫(kù)劃分 數(shù)據(jù)增廣
摘要：為對(duì)抗假臉視頻的危害,研究者目前已經(jīng)提出了多種不同的基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,CNN)的假臉視頻檢測(cè)器,然而這些檢測(cè)器所存在的一個(gè)共同問(wèn)題是庫(kù)內(nèi)檢測(cè)通常能達(dá)到較高的準(zhǔn)確率,但跨庫(kù)檢測(cè)時(shí)性能出現(xiàn)嚴(yán)重下降,即存在嚴(yán)重的泛化能力不足問(wèn)題.該文對(duì)基于MesoInception-4、MISLnet、ShallowNetV1、Inception-v3、Xception這5種流行網(wǎng)絡(luò)的假臉視頻檢測(cè)器,在現(xiàn)有3個(gè)假臉視頻庫(kù)上進(jìn)行庫(kù)內(nèi)和跨庫(kù)測(cè)試,重點(diǎn)分析數(shù)據(jù)庫(kù)的劃分方式、數(shù)據(jù)增廣操作以及檢測(cè)閾值選取這3個(gè)因素對(duì)假臉視頻檢測(cè)器泛化能力的影響.
應(yīng)用科學(xué)學(xué)報(bào)雜志要求:
{1}稿件須提供詳細(xì)準(zhǔn)確的參考文獻(xiàn)信息，包括作者姓名、著作名、出版地、出版單位、出版年，文章名、期刊名及出版時(shí)間等。
{2}學(xué)術(shù)內(nèi)容：應(yīng)具有真實(shí)性、科學(xué)性、導(dǎo)向性、實(shí)用性、創(chuàng)新性。
{3}每圖應(yīng)有圖序、圖題、圖注和圖身。圖中的物理量用符號(hào)表示并注明單位。圖序、圖題、圖注以及所用的名詞、術(shù)語(yǔ)要與正文一致。
{4}正文行文中非漢語(yǔ)姓氏一律使用外文原文。
{5}請(qǐng)?jiān)谖母搴竺孀⒚鞲寮?lián)系人的姓名、工作單位、地址、電話、郵箱等信息，以便本刊編輯聯(lián)系有關(guān)事宜。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢(xún)雜志社
