申请/专利权人:上海交通大学
申请日:2024-01-15
公开(公告)日:2024-04-19
公开(公告)号:CN117912078A
主分类号:G06V40/16
分类号:G06V40/16;G06V40/40;G06V10/774;G06V10/82
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明提供一种基于高效微调视觉预训练模型的人脸伪造检测方法和系统,包括:获取初始视觉预训练模型ConvNext‑V2;将基于中心差分卷积算子的适配器插入初始视觉预训练模型的逆瓶颈模块,获得微调ConvNext‑V2模型;获取任务训练数据,并划分为训练集和验证集;采用训练集对微调ConvNext‑V2模型进行训练,采用验证集验证训练是否已完成;将训练好的微调ConvNext‑V2模型用于人脸伪造检测。本发明只需对适配器模块的参数微调,极大地降低参数学习的规模;其能够降低对训练数据集数量规模的要求,在面临仅提供少量训练数据集的实际场景下,该方法和系统大幅优于现有的基于先验经验的人脸伪造检测方法。
主权项:1.一种基于高效微调视觉预训练模型的人脸伪造检测方法,其特征在于,包括:获取初始视觉预训练模型ConvNext-V2;将基于中心差分卷积算子的适配器插入所述初始视觉预训练模型ConvNext-V2的逆瓶颈模块中,获得微调ConvNext-V2模型;获取任务训练数据,将其划分为训练集和验证集;采用所述训练集对所述微调ConvNext-V2模型进行训练,采用所述验证集验证训练是否已完成;将训练好的微调ConvNext-V2模型用于人脸伪造检测。
全文数据:
权利要求:
百度查询: 上海交通大学 基于高效微调视觉预训练模型的人脸伪造检测方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。