摘要
本发明提供了一种伪造人脸鉴别方法及系统,该方法通过获取待鉴别人脸图像以及成对的真实人脸与伪造人脸图像数据集并聚类划分数据集;使用划分好的数据集输入多模型进行特征提取器的联合训练;固定训练好的特征提取器,并利用变分自编码器将提取到的特征映射至共享的潜在特征空间中,实现不同模型特征的深度协作融合;固定训练好的特征提取器和变分自编码器,获取输入图像的特征并送入分类器进行训练;利用训练完成的伪造人脸鉴别网络,对待检测人脸图像进行伪造鉴别。其中,通过对数据集的聚类划分有效提高模型的泛化性,并且通过变分自编码器融合不同模型特征,使得特征表达更加紧密和鲁棒,从而促进不同模型之间的互补性。
技术关键词
人脸鉴别方法
深度学习模型
鉴别人脸图像
特征提取器
编码器
解码器
约束特征
非线性
分类器
全局平均池化
检测人脸图像
批量
人脸图像数据
K近邻
样本
深度协作
鉴别系统
网络
系统为您推荐了相关专利信息
多模态数据融合
电子元器件
深度学习模型训练
多机器人协作
检测模型训练
信噪比
数据处理模块
深度学习模型
音频信号处理方法
计算机可读取存储介质
交叉注意力机制
异常检测方法
线性变换矩阵
融合特征
残差结构
电池动力系统
车辆运行工况
网络架构
控制策略
重卡
图像构建方法
图像采集装置
滑动窗口
二维医学图像
数值