摘要
本公开涉及一种篡改视频检测方法、装置及介质,属于人工智能技术领域。该方法包括:获取实时视频;将所述实时视频检测已经训练好的MGMA‑DSCNN模型,获取检测结果,其中,对所述MGMA‑DSCNN模型进行训练,包括:获取与预处理视频;构建轻量级模型架构;融合注意力机制与轻量级模型;模型优化。在本公开中,在检测精度方面,结合轻量级卷积神经网络与多头注意力机制的MGMA‑DSCNN模型表现卓越,对多种篡改类型及不同环境下的视频检测准确率高,使用增强数据时可达97.95%,不同压缩格式及复杂环境下均有良好表现。计算效率上,轻量级架构及多种优化技术减少计算资源消耗,训练采用合适算法与策略,能高效处理实时视频,本公开相比传统云计算和边缘计算,能耗低。
技术关键词
视频检测方法
融合注意力机制
实时视频
轻量级卷积神经网络
视频检测装置
加权损失函数
计算机可存储介质
通道
轻量级架构
多尺度特征融合
多头注意力机制
描述符
计算机程序指令
参数
时序
视频帧
模型压缩
人工智能技术