[发明专利]检测伪造人脸图像视频的增量学习方法及系统

权利要求书

1.一种检测伪造人脸图像视频的增量学习方法，其特征在于，包括：

步骤1、获取待增量学习的该伪造人脸图像检测模型作为基础模型，该基础模型包括用于提取图像特征的特征提取器Φ_t-1，以及为图像特征分配伪造人脸图像检测类别的分类器H_t；

步骤2、获取已标注伪造类别的训练图像；在该基础模型中新建特征提取器F_i；在当前时刻t时，特征提取器Φ_t-1和新特征提取器F_t组成征提取器Φ_t，其中对于输入的训练图像x，Φ_t提取的特征υ为：

υ＝Φ_t(x)＝[Φ_t-1(x),F_t(x)]

步骤3、在该基础模型中新建辅助分类器H_t'，H_t'的标签空间是|Y_t|+1，包括时刻t时增量学习任务Y_t中的类别和该基础模型所能识别的所有旧类别，对于该输入的训练图像x，辅助分类器H_t'根据下式得到辅助分类结果：

pH'_t(y|x)＝Softmax(H'_t(F_t(x)))

该辅助分类结果和该训练图像x对应的伪造类别，构建辅助损失L_H't；

将特征υ输入分类器H_t：

pH_t(y|x)＝Softmax(H_t(υ))

得到该训练图像x的在各伪造类别下的得分，取得分最高的伪造类别作为分类结果

其中其中为所有图像类别；通过该分类结果和该训练图像x对应的伪造类别构建分类损失L_C；由该分类损失L_C和辅助损失L_H't构建总损失，以更新该分类器H_t和该新建特征提取器F_i的权重参数；直到该总损失收敛或达到指定的迭代次数，保存当前基础模型作为最终识别模型；

步骤4、将待伪造人脸图像检测的图像输入该最终识别模型，得到其识别结果。

2.如权利要求1所述的检测伪造人脸图像视频的增量学习方法，其特征在于，该H_t的初始参数继承自H_t-1，H_t的输出维度不断更新，以匹配增加的伪造类别数目，并对其新添加的参数进行随机初始化；Φ_t-1包括至少一个特征提取器，特征提取器F_i的权重初始参数继承自F_i-1，其中i代表第i个增量学习任务。

3.如权利要求1所述的检测伪造人脸图像视频的增量学习方法，其特征在于，该分类器H_t为二分类器，当前该增量学习任务其中x_t^k表示时刻t中第k种伪造方法下的真实图像和伪造图像，y_t^k表示时刻t中第k种伪造方法下的二分类标签，表示时刻t中第k种伪造方法下的多分类标签；在训练过程中，二分类标签参与损失函数的计算，多分类标签z_t^k用于模型区分新类别和旧类别；在二分类学习中，总损失函数由二分类器的交叉熵损失L_BC及辅助分类器的多分类交叉熵损失L_H't构成：

L＝L_BC+λ_aL_H'_t

λ_a是控制辅助分类器效果的超参数。