[发明专利]图像检测模型的生成方法、检测方法、终端及存储介质

说明书

本发明公开了一种图像检测模型的生成方法、检测方法、终端及存储介质，包括：获取第一训练图像集；将第一训练图像集中的若干第一训练图像分别输入已训练的AI虚假图像检测模块和已训练的AE虚假图像检测模块，通过已训练的AI虚假图像检测模块的倒数第二层输出第一特征向量，以及通过已训练的AE虚假图像检测模块的倒数第二层输出第二特征向量；根据第一特征向量、第二特征向量以及第一真实分类标签对预设分类模块进行训练，以得到图像检测模型。本发明生成的图像检测模型不仅能够识别经过AI算法处理的虚假图像，还可以识别经过AE算法处理的虚假图像，解决了现有通过检测AI指纹信息来确定图像是否为伪造图像的方法失效的问题。

技术领域

本发明涉及图像检测技术领域，尤其涉及的是图像检测模型的生成方法、检测方法、终端及存储介质。

背景技术

人工智能(Artificial intelligent,AI)算法的应用领域不断拓展，利用AI算法伪造的虚假图像非常逼真，很难通过人眼加以区分。为了识别AI伪造的虚假图像，研究者们提出了用于检测AI伪造的虚假图像的深度学习(Deep Learning)算法，这种算法通过检测人脸图像中是否蕴藏AI指纹信息来判断图像是否是人工智能伪造的。

但现有通过自动编码器(autoencoder,AE)算法可以将AI伪造的虚假图像中的AI指纹信息去除，从而导致通过检测AI指纹信息来确定图像是否为伪造图像的方法不可行。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种图像检测模型的生成方法、检测方法、终端及存储介质，旨在解决现有AI伪造图像中的AI指纹信息可以通过自动编码器算法去除，导致通过检测AI指纹信息来确定图像是否为伪造图像的方法失效的问题。

本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供一种图像检测模型的生成方法，其中，包括：

获取第一训练图像集；其中，所述第一训练图像集中包括若干第一训练图像及所述若干第一训练图像对应的第一真实分类标签，所述若干第一训练图像包括真实图像、经过AI算法处理的虚假图像以及经过AE算法处理的虚假图像；

将所述第一训练图像集中的若干第一训练图像分别输入已训练的AI虚假图像检测模块和已训练的AE虚假图像检测模块，通过已训练的AI虚假图像检测模块的倒数第二层输出第一特征向量，以及通过已训练的AE虚假图像检测模块的倒数第二层输出第二特征向量；

根据所述第一特征向量、所述第二特征向量以及所述第一真实分类标签对预设分类模块进行训练，以得到图像检测模型。

所述的图像检测模型的生成方法，其中，所述AE虚假图像检测模块为经过ImageNet数据集训练的XceptionNet网络，所述AE虚假图像检测模块的训练过程具体包括：

获取第二训练图像集；所述第二训练图像集中包括若干第二训练图像以及所述若干第二训练图像对应的第二真实分类标签，所述若干第二训练图像包括真实图像和经过AE算法处理的虚假图像；

根据所述第二训练图像集和所述第二真实分类标签对所述AE虚假图像检测模块的最后一层进行训练，得到预训练的AE虚假图像检测模块；

根据所述第二训练图像集和所述第二真实分类标签对所述预训练的AE虚假图像检测模块的所有层进行训练，得到已训练的AE虚假图像检测模块。

所述的图像检测模型的生成方法，其中，所述根据所述第二训练图像集和所述第二真实分类标签对所述AE虚假图像检测模块的最后一层进行训练，得到预训练的AE虚假图像检测模块的步骤包括：