一种基于堆叠泛化集成学习的未知伪造图像检测方法、介质及终端

本发明涉及一种基于堆叠泛化集成学习的未知伪造图像检测方法、介质及终端，在堆叠泛化集成学习的初级学习阶段，将数据集输入到针对传统伪造图像和深度伪造图像的两种分类网络。针对传统伪造图像提出基于Convnextv2的多源特征增强模型进行伪造检测；针对深度伪造图像提出空间和通道重建卷积和Transformer混合网络模型进行伪造检测。两种分类网络经过k折交叉验证法训练得到多个初级学习器，初级学习器的预测结果输入堆叠泛化集成学习元学习阶段的元学习器分数阶Kolmogorov‑Arnold网络中训练。本发明弥补了单一模型预测容易拟合到单一分布的不足，提高在现实环境中针对未知伪造图像的检测精度。