[发明专利]基于差异感知元学习的伪造人脸检测方法和装置

权利要求书

1.一种基于差异感知元学习的伪造人脸检测方法，其特征在于，包括：

基于包含多个不同攻击类型的数据集构建零样本任务，其中，所述零样本任务包含支持集和测试集；

针对所述零样本任务，利用所述零样本任务之中的支持集对特征提取器、差异图回归网络和元分类器进行元训练，得到所述支持集上的差异损失和分类损失；

利用经过元训练后的特征提取器、差异图回归网络和元分类器，在所述零样本任务之中的测试集上进行元测试，得到所述测试集上的差异损失和分类损失；

根据所述支持集上的差异损失和分类损失、所述测试集上的差异损失和分类损失，分别对所述特征提取器、差异图回归网络和元分类器进行模型参数的优化，获得最终的元分类器；

获取待检测人脸图像，其中，所述待检测人脸图像所属的人脸攻击类型不包含于所述多个不同攻击类型中；

利用所述最终的元分类器对待检测人脸图像进行预测，并根据预测结果判断所述待检测人脸图像之中的人脸是否为伪造人脸；

通过以下公式计算所述支持集上的差异损失：

其中，为支持集，D,F分别为所述差异图回归网络和所述特征提取器，θ_D,θ_F为对应参数，I_x为输入人脸图片，I_d为理论差异图标签，L_dis为差异损失函数；

通过以下公式计算所述支持集上的分类损失：

其中，C为所述元分类器，θ_C为对应参数，y为人脸分类标签，L_cls为分类损失函数。

2.根据权利要求1所述的方法，其特征在于，所述差异损失函数表示如下：

其中，i,j为图像中像素的位置，I_d,分别为给定的差异图标签和所述差异图回归网络输出的预测差异图。

3.根据权利要求2所述的方法，其特征在于，通过以下方式获得所述差异图标签：

基于预设算法将图像之中的所有像素进行归一化；

针对不同伪造人脸攻击类型，采用对应的设置方式对归一化后的图像进行差异图标签的设置。

4.根据权利要求1所述的方法，其特征在于，所述分类损失函数表示如下：

其中，C,分别为给定的人脸分类标签和所述元分类器预测的人脸图片分类结果。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述多个不同攻击类型包括真实人脸类型、属性编辑类型、身份替换类型、人脸重演类型和人脸生成类型中的至少两种。