5種流行假臉視頻檢測網絡性能分析和比較
高逸飛; 胡永健; 余澤瓊; 林育儀; 劉琲貝 華南理工大學電子與信息學院; 廣州510641; 中新國際聯合研究院; 廣州511356
關鍵詞：假臉視頻檢測 深度網絡 泛化能力 數據庫劃分 數據增廣
摘要：為對抗假臉視頻的危害,研究者目前已經提出了多種不同的基于卷積神經網絡(convolutional neural networks,CNN)的假臉視頻檢測器,然而這些檢測器所存在的一個共同問題是庫內檢測通常能達到較高的準確率,但跨庫檢測時性能出現嚴重下降,即存在嚴重的泛化能力不足問題.該文對基于MesoInception-4、MISLnet、ShallowNetV1、Inception-v3、Xception這5種流行網絡的假臉視頻檢測器,在現有3個假臉視頻庫上進行庫內和跨庫測試,重點分析數據庫的劃分方式、數據增廣操作以及檢測閾值選取這3個因素對假臉視頻檢測器泛化能力的影響.
應用科學學報雜志要求:
{1}稿件須提供詳細準確的參考文獻信息，包括作者姓名、著作名、出版地、出版單位、出版年，文章名、期刊名及出版時間等。
{2}學術內容：應具有真實性、科學性、導向性、實用性、創新性。
{3}每圖應有圖序、圖題、圖注和圖身。圖中的物理量用符號表示并注明單位。圖序、圖題、圖注以及所用的名詞、術語要與正文一致。
{4}正文行文中非漢語姓氏一律使用外文原文。
{5}請在文稿后面注明稿件聯系人的姓名、工作單位、地址、電話、郵箱等信息，以便本刊編輯聯系有關事宜。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
