5種流行假臉視頻檢測網(wǎng)絡(luò)性能分析和比較
關(guān)鍵詞：假臉視頻檢測 深度網(wǎng)絡(luò) 泛化能力 數(shù)據(jù)庫劃分 數(shù)據(jù)增廣
摘要：為對抗假臉視頻的危害,研究者目前已經(jīng)提出了多種不同的基于卷積神經(jīng)網(wǎng)絡(luò)(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(nèi)檢測通常能達到較高的準確率,但跨庫檢測時性能出現(xiàn)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(wǎng)絡(luò)的假臉視頻檢測器,在現(xiàn)有3個假臉視頻庫上進行庫內(nèi)和跨庫測試,重點分析數(shù)據(jù)庫的劃分方式、數(shù)據(jù)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(yīng)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(shù)內(nèi)容：應(yīng)具有真實性、科學性、導(dǎo)向性、實用性、創(chuàng)新性。
{3}每圖應(yīng)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(shù)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(lián)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(lián)系有關(guān)事宜。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
