[发明专利]脸部篡改图像检测器

权利要求书

1.一种脸部篡改图像检测器，其特征在于，包括：

特征提取器，提取输入人脸图像的特征图；

篡改区域定位模块，对特征图中每一个特征进行像素级别的分类，得到特征图分类后的掩膜，从而定位篡改区域并计算出篡改区域的特征，其中掩膜中的每一个像素的值表示对应的图像块被篡改的概率；将人脸图像中除去篡改区域以外的区域作为原始区域，并计算原始区域的特征；

不一致性度量模块，基于篡改区域的特征与原始区域的特征，计算篡改区域与原始区域的不一致性得分，根据不一致性得分来判断输入的人脸图像是否被篡改；

其中，利用注意力机制计算计算原始区域的特征，计算公式为：

其中，N表示特征图中像素的数量，i表示像素的索引，F_input表示特征提取器提取到的特征图，M_ori表示原始区域的掩膜，F_ori表示原始区域的特征。

2.根据权利要求1所述的一种脸部篡改图像检测器，其特征在于，所述特征提取器采用HRNet-30网络实现；

通过HRNet-30网络提取出输入人脸图像的多个分辨率下的特征图，并将所有分辨率下的特征图调整至统一尺寸，再将尺寸调整后的所有分辨率下的特征图拼接在一起，得到输入人脸图像对应的三维张量形式的特征图。

3.根据权利要求1所述的一种脸部篡改图像检测器，其特征在于，所述对特征图中每一个特征进行像素级别的分类的公式为：

其中，i表示像素的索引，f_p表示分类函数，F_input表示特征提取器提取到的特征图，M_man表示对于特征图分类后的掩膜。

4.根据权利要求1或2或3所述的一种脸部篡改图像检测器，其特征在于，利用注意力机制计算篡改区域的特征，计算公式为：

其中，N表示特征图中像素的数量，i表示像素的索引，F_input表示特征提取器提取到的特征图，M_man表示对于特征图分类后的掩膜，F_man表示篡改区域的特征。

5.根据权利要求1所述的一种脸部篡改图像检测器，其特征在于，所述不一致性度量模块将篡改区域的特征F_man与原始区域的特征F_ori分别输入至三层全连接层，得到的特征分别记为F′_man和F′_ori；再通过如下公式计算篡改区域与原始区域的不一致性得分s：

s＝sigmoid(w×(F′_man·F′_ori)+b)

其中，w和b为两个可学习的参数，sigmoid(·)表示sigmoid激活函数；

所述三层全连接层中，前两个全连接层之后都连接着批处理层和ReLu激活层。

6.根据权利要求1所述的一种脸部篡改图像检测器，其特征在于，训练过程中：

对于特征提取器的一部分参数使用lmagenet预训练参数进行初始化，剩余部分的参数使用pytorch框架下的默认初始化方式；

对于篡改区域定位模块与不一致性度量模块的损失函数分别为：

其中，I表示输入图像，D表示整个训练集，G表示篡改区域的真实值，M表示篡改区域掩膜，K表示篡改区域掩膜中像素的数量，k为像素索引；y表示输入图像I的标签，当输入图像I为篡改图像时，y＝1，否则为y＝0；s为针对输入图像I计算出的不一致性得分；

总的损失函数L为：

L＝L_mask+λ·L_score

其中，λ为预设的超参数。