摘要
本发明涉及人工智能技术领域,提供一种多模态人脸防欺诈模型的训练方法、装置及电子设备。该方法包括:首先获取多个人脸样本的多模态图像并输入人脸防欺诈模型,然后利用其中的CLIP网络获得每个人脸样本的初始图像特征和语义特征;并利用注意力网络和双空间适配网络,对每个人脸样本的初始图像特征进行去噪和增强操作得到增强图像特征;再利用分类器,基于每个人脸样本的增强图像特征和语义特征,计算每个人脸样本为伪造人脸的预测概率;最后基于每个人脸样本的类别标签、语义特征和预测概率,更新人脸防欺诈模型中注意力网络和双空间适配网络的参数,得到训练后的人脸防欺诈模型。从而提升了模型对人脸进行检测的准确性和可靠性。
技术关键词
样本
语义特征
矩阵
注意力
网络
人脸检测方法
可见光图像
多模态
噪声
文本编码器
图像编码器
标签文本
分类器
红外图像特征
电子设备
人工智能技术
系统为您推荐了相关专利信息
异常检测方法
多头注意力机制
冗余
数据
卷积神经网络模型
轻量化神经网络
动作捕捉设备
卷积生成对抗网络
曲线
面部
点云重建方法
语义特征
联合损失函数
卷积模块
特征提取模块
短期功率预测方法
组合算法
超短期光伏功率预测
空间耦合关系
贝叶斯算法
深度学习模型
对象匹配方法
样本
对象匹配装置
存储装置