典型文献
基于多任务学习和注意力机制的双分支深度换脸检测方法
文献摘要：
深度换脸技术的出现严重威胁了公众的隐私安全.为了解决现有深度换脸检测方法的局限性,基于多任务学习策略提出了一种双分支检测网络,实现在检测视频伪造的同时逐帧检测.该网络引入了注意力机制和时序学习模块,通过学习局部空间信息和时序信息提升检测性能.该方法在公开数据集Celeb-DF和FaceForensics++上获得了比当前先进换脸检测方法更高的准确率和ROC(Receiver Operating Characteristic)曲线下面积(Area under ROC Curve,AUC),面对不同光照、人脸朝向、视频质量时表现出了良好的鲁棒性.
文献关键词：
深度换脸检测;多任务学习;注意力机制
中图分类号：
作者姓名：
胡靖;蒲文博;孔维华
作者机构：
成都信息工程大学计算机学院,成都 610225
文献出处：
引用格式：
[1]胡靖;蒲文博;孔维华-.基于多任务学习和注意力机制的双分支深度换脸检测方法)[J].电讯技术,2022(10):1383-1390
A类：
深度换脸检测
B类：
多任务学习,注意力机制,双分支,隐私安全,有深度,学习策略,测网,伪造,帧检测,时序学习,学习模块,局部空间信息,时序信息,检测性能,公开数据集,Celeb,DF,FaceForensics++,Receiver,Operating,Characteristic,Area,under,Curve,人脸,朝向
AB值：
0.449356
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
