• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于圖像分割網(wǎng)絡(luò)的深度假臉視頻篡改檢測

    2021-01-25 03:51:38胡永健高逸飛劉琲貝廖廣軍
    電子與信息學(xué)報(bào) 2021年1期
    關(guān)鍵詞:庫內(nèi)錯(cuò)誤率人臉

    胡永健 高逸飛 劉琲貝 廖廣軍

    ①(華南理工大學(xué)電子與信息學(xué)院 廣州 510641)

    ②(中新國際聯(lián)合研究院 廣州 511356)

    ③(廣東警官學(xué)院 廣州 510230)

    1 引言

    在眾多的生物特征中,人臉是最具有代表性的特征之一,可辨識(shí)度較高。因此,隨著人臉識(shí)別技術(shù)的突飛猛進(jìn),人臉篡改所帶來的安全威脅越來越大,特別是在手機(jī)高度流行和社交網(wǎng)絡(luò)日益成熟的當(dāng)代。虛假新聞、丑聞、名人色情視頻以及報(bào)復(fù)性的色情視頻在各種網(wǎng)絡(luò)社區(qū)上涌出,困擾著從政治家、名人到普通民眾,甚至威脅到國家安全。目前,有3種常見的假臉視頻篡改技術(shù)[1]:Face2Face,Faceswap和Deepfakes[2]。Face2Face通過重建3維模型只對(duì)面部表情進(jìn)行控制,而Faceswap和Deepfakes則將源視頻中的整張人臉替換到目標(biāo)視頻中,基于傳統(tǒng)計(jì)算機(jī)圖形學(xué)方法的技術(shù)統(tǒng)稱為Faceswap,而基于深度學(xué)習(xí)的技術(shù)統(tǒng)稱為Deepfakes。Deepfakes主要利用深度學(xué)習(xí)中的深度卷積神經(jīng)網(wǎng)絡(luò)、自編碼器(auto-encoder)和對(duì)抗生成網(wǎng)絡(luò)(Generative Adversarial Networks, GANs)等技術(shù),使網(wǎng)絡(luò)可以學(xué)習(xí)到目標(biāo)視頻中更深層次的人臉特征,從而實(shí)現(xiàn)精準(zhǔn)替換,并且能夠匹配目標(biāo)視頻中人臉的動(dòng)作和變化,達(dá)到較為理想的換臉效果。Deepfakes有時(shí)直接指利用深度網(wǎng)絡(luò)換臉?biāo)玫降囊曨l。

    假臉視頻對(duì)社會(huì)的威脅日益增加,引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注,已經(jīng)出現(xiàn)了一些相關(guān)研究,甚至出現(xiàn)針對(duì)換臉視頻檢測的國際大賽1)DeepFake Detection Challenge: < https://www.kaggle.com/c/deepfake-detection-challenge>。根據(jù)所使用的特征,現(xiàn)有的假臉視頻檢測技術(shù)大致分為3大類:基于傳統(tǒng)手工特征、基于生物特征和基于神經(jīng)網(wǎng)絡(luò)提取特征。第1類方法主要借鑒了圖像取證思想,對(duì)單幀圖像進(jìn)行分析,典型做法包括使用圖像質(zhì)量測度和主成分分析[2]以及使用局部二值模式(Local Binary Pattern, LBP)特征[3]。第2類方法主要利用了人臉特有的生物信息,文獻(xiàn)[4]將臉部標(biāo)志點(diǎn)根據(jù)篡改過程時(shí)的受影響程度大小分為兩組,使用不同標(biāo)志點(diǎn)估計(jì)出頭部姿態(tài)方向后比較差異作為判別依據(jù);文獻(xiàn)[5]發(fā)現(xiàn)假臉中兩只眼睛的瞳孔部位呈現(xiàn)出的漫反射信息存在不一致的現(xiàn)象;文獻(xiàn)[6]同時(shí)利用視頻圖像和音頻的信息,通過比較真假視頻中唇部動(dòng)作和聲音匹配的差異甄別有無篡改;文獻(xiàn)[7]指出每一個(gè)人都有獨(dú)特的運(yùn)動(dòng)動(dòng)作模式,而換臉導(dǎo)致目標(biāo)對(duì)象與源對(duì)象動(dòng)作模式的不匹配,可從額頭、臉頰、鼻子等區(qū)域的運(yùn)動(dòng)變化中提取特征進(jìn)行分類判決。第3類方法主要通過構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉進(jìn)行學(xué)習(xí),提取較高維度的語義特征進(jìn)行分類。一些研究者將其視為常規(guī)的分類問題,文獻(xiàn)[3]使用了AlextNet,VGG-19,ResNet[8],Inception和Xception[9]等用于圖像識(shí)別的經(jīng)典分類模型進(jìn)行檢測;文獻(xiàn)[10]搭建了Meso-4和MesoInception-4,文獻(xiàn)[11]搭建了ShallowNet對(duì)單幀圖像進(jìn)行檢測;文獻(xiàn)[12]指出在篡改檢測問題中篡改痕跡比圖像內(nèi)容信息更加重要,據(jù)此構(gòu)建了帶有受約束卷積層的MISLnet,在提取淺層特征時(shí)抑制圖像內(nèi)容;文獻(xiàn)[13]考慮視頻中的時(shí)域信息,將卷積神經(jīng)網(wǎng)絡(luò)與序列神經(jīng)網(wǎng)絡(luò)結(jié)合,尋找假臉視頻中連續(xù)幀特征的不一致性;文獻(xiàn)[14]使用ResNet-50[8]網(wǎng)絡(luò)模型對(duì)不同GAN合成圖像和Deepfake假臉圖像進(jìn)行檢測。

    從以上研究給出的實(shí)驗(yàn)結(jié)果看,基于神經(jīng)網(wǎng)絡(luò)提取特征的算法往往能在庫內(nèi)檢測中獲得較高的準(zhǔn)確率,但其主要缺陷在于跨庫檢測時(shí)性能均急劇下降,存在泛化性能不足的問題[3]。

    本文針對(duì)換臉視頻檢測網(wǎng)絡(luò)泛化性能不足的問題提出一種解決方案。與上述基于特征檢測的方法不同,本文直接從圖像像素出發(fā),認(rèn)為假臉篡改是一種特殊的拼接篡改問題,根據(jù)換臉主要對(duì)部分人臉區(qū)域進(jìn)行操作而未修改其他圖像內(nèi)容的事實(shí),提出了利用預(yù)測篡改區(qū)域和人臉框的交并比作為是否發(fā)生換臉的依據(jù)進(jìn)行檢測的方法。主要貢獻(xiàn)包括:(1)利用圖像分割網(wǎng)絡(luò)逐像素地估計(jì)篡改區(qū)域;(2)解決盲檢測時(shí)沒有真實(shí)篡改區(qū)域作為參考信號(hào)的不足,提出一種計(jì)算人臉交并比(Face-Intersection of Union, Face-IoU)的新方法,作為是否發(fā)生換臉篡改的判斷依據(jù);(3)根據(jù)換臉視頻的先驗(yàn)知識(shí),構(gòu)建信任機(jī)制,進(jìn)一步改進(jìn)Face-IoU的計(jì)算,得到Face-IoUP(Face-IoU with Penalty)。本文分別基于FCN-8s, FCN-32s[15]和DeepLabv3[16]3個(gè)分割網(wǎng)絡(luò)實(shí)現(xiàn)檢測算法,實(shí)驗(yàn)結(jié)果表明,本文檢測模型不僅在庫內(nèi)具有很高的準(zhǔn)確率,在跨庫檢測中,平均錯(cuò)誤率與現(xiàn)有流行的方法相比也有顯著下降。

    2 算法介紹

    本文算法整體流程如表1和表2的偽代碼所示,包括網(wǎng)絡(luò)訓(xùn)練和樣本測試。網(wǎng)絡(luò)訓(xùn)練部分利用訓(xùn)練集訓(xùn)練分割模型,利用驗(yàn)證集計(jì)算最小等錯(cuò)誤率時(shí)的二值化閾值和判決閾值;樣本測試部分對(duì)分幀預(yù)處理后的圖像分割得到掩膜,平滑濾波去除掩膜噪點(diǎn),二值化處理得到預(yù)測篡改區(qū)域的位置和面積信息,以待測視頻的人臉區(qū)域?yàn)閰⒖夹盘?hào)計(jì)算面部交并比,并根據(jù)換臉視頻相關(guān)的先驗(yàn)知識(shí)建立信任機(jī)制改進(jìn)面部交并比的計(jì)算,作為最終的判決依據(jù),完成檢測。下面對(duì)關(guān)鍵環(huán)節(jié)進(jìn)行描述。

    表1 網(wǎng)絡(luò)訓(xùn)練

    表2 樣本測試

    2.1 利用深度分割網(wǎng)絡(luò)得到篡改區(qū)域的預(yù)測掩膜概率圖

    傳統(tǒng)的圖像拼接篡改通常是指將非同源圖像不作任何修飾地粘貼到目標(biāo)圖像上的篡改技術(shù)[17]。一般而言,視頻換臉和傳統(tǒng)拼接篡改的共同點(diǎn)在于兩者都使用非同源的圖像對(duì)目標(biāo)圖像的部分區(qū)域進(jìn)行替換,篡改方式類似;其不同點(diǎn)在于后者使用的人臉大都來自于真實(shí)圖像,而前者所使用的人臉可能是通過計(jì)算機(jī)圖形學(xué)技術(shù)或深度網(wǎng)絡(luò)生成。雖然人眼難以區(qū)分這兩類圖像,但這兩類圖像的內(nèi)部結(jié)構(gòu)和紋理特征存在差異,其在顏色空間特征[18]和共生矩陣[19]上有所反映。

    鑒于此,本文將換臉篡改認(rèn)為是一種特殊的拼接篡改問題,借助像素級(jí)的精確標(biāo)簽讓神經(jīng)網(wǎng)絡(luò)按紋理差異區(qū)分真假臉像素點(diǎn),從而將來源不同的兩種圖像分割成兩類不同的圖像區(qū)域。以語義分割FCN網(wǎng)絡(luò)[15,20]為例,分割網(wǎng)絡(luò)首先借助諸如VGG-16的分類網(wǎng)絡(luò)作為骨架網(wǎng)絡(luò)提取特征,然后利用跨層架構(gòu)將來自淺且精細(xì)網(wǎng)絡(luò)層的表象信息與來自深且粗糙網(wǎng)絡(luò)層的語義信息相結(jié)合,即表征圖像內(nèi)部結(jié)構(gòu)差異的低水平特征和表征邊緣不連續(xù)的深層特征相結(jié)合,逐像素地對(duì)圖像進(jìn)行來源判斷,最終輸出值在0-1之間的篡改區(qū)域預(yù)測掩膜概率圖 M,其尺寸與輸入圖像大小一致。

    2.2 去噪與二值化處理獲得預(yù)測的篡改區(qū)域

    盡管分割網(wǎng)絡(luò)能夠預(yù)測出像素級(jí)的掩膜概率圖,但由于提取特征過程中的卷積和池化處理使深層語義特征的感受野越來越大,在轉(zhuǎn)化為特征表達(dá)圖像時(shí),跨層結(jié)構(gòu)的上采樣處理不可避免地引入噪聲,造成預(yù)測掩膜概率圖出現(xiàn)細(xì)小孤立的噪聲點(diǎn)。為了獲得準(zhǔn)確的預(yù)測掩膜概率圖,便于機(jī)器自動(dòng)計(jì)算篡改面積,本文利用傳統(tǒng)的圖像去噪方法對(duì)概率圖去噪,利用鄰域信息抑制孤立噪聲點(diǎn),得到去噪后的預(yù)測掩膜概率圖 MF。

    去噪后的預(yù)測掩膜概率圖需要進(jìn)行二值化處理后才能逐像素計(jì)算面積。一種直接取二值化門限的方法是使其等于0.5,然而這種方法過于簡單,無法獲得最佳的分類效果。本文將二值化處理和篡改判斷相結(jié)合,提出一種等錯(cuò)誤率最小時(shí)獲取最優(yōu)二值化門限的方法,詳見2.5節(jié)。設(shè)所得到的二值化閾值為 T1,當(dāng)預(yù)測概率大于T1時(shí)置為1(即篡改),否則置為0(即未篡改)。具體公式為

    2.3 人臉交并比Face-IoU的提出

    2.4 信任機(jī)制下改進(jìn)的人臉交并比Face-IoUP

    2.5 最優(yōu)二值化閾值和判決閾值的獲取

    3 實(shí)驗(yàn)場景設(shè)置

    本文在4個(gè)常見的深度假臉視頻數(shù)據(jù)庫上進(jìn)行了實(shí)驗(yàn),分別為TIMIT[2], FaceForensics++[1],FFW[3]和DFD[1]。對(duì)于TIMIT, FaceForensics++以及DFD數(shù)據(jù)庫,類似文獻(xiàn)[21],以按人劃分的準(zhǔn)則依7:2:1的比例將它們分為訓(xùn)練集、驗(yàn)證集和測試集。而對(duì)FFW數(shù)據(jù)庫,由于只有假臉視頻,正負(fù)樣本不平衡而無法進(jìn)行全面的評(píng)估,本文從Face-Forensics++數(shù)據(jù)庫的測試集中隨機(jī)選取了50段真實(shí)視頻進(jìn)行補(bǔ)充。

    圖1 待檢測區(qū)域、實(shí)際篡改區(qū)域和預(yù)測篡改區(qū)域示例及其廣義示意圖

    為了有效評(píng)估算法的學(xué)習(xí)能力和泛化能力,實(shí)驗(yàn)分庫內(nèi)檢測和跨庫檢測兩個(gè)內(nèi)容。由于FFW數(shù)據(jù)庫中補(bǔ)充了FaceForensics++數(shù)據(jù)庫的視頻,為了不影響性能評(píng)測,在跨庫檢測中不使用Face-Forensics++數(shù)據(jù)庫訓(xùn)練的模型測試FFW數(shù)據(jù)庫。

    為了獲得統(tǒng)一尺寸的輸入圖像,將各數(shù)據(jù)庫中的視頻分幀,逐幀使用Dlib庫中卷積神經(jīng)網(wǎng)絡(luò)檢測器定位人臉,以人臉框?yàn)橹行娜?k(k >1)倍于人臉大小的圖像區(qū)域,采樣至256×256的尺寸,作為輸入圖像??梢钥吹?, k ?1倍的圖像區(qū)域(即人臉框周邊區(qū)域)是背景。需要指出的是, k值太小,懲罰項(xiàng)的作用就??; k值太大,會(huì)包含一些遠(yuǎn)離人臉的像素,不符合換臉的事實(shí)。本文統(tǒng)一取經(jīng)驗(yàn)值k =1.3,得到的輸入圖像即為圖1(a)。

    4 去噪濾波器的選取和懲罰因子 p的 確定

    檢測模型的性能與預(yù)測掩膜概率圖的去噪程度以及落在人臉框外的預(yù)測像素的可信程度有直接關(guān)系。本小節(jié)在TIMIT,F(xiàn)aceForensics++和FFW這3個(gè)數(shù)據(jù)庫中以FCN-8s和FCN-32s這兩個(gè)分割網(wǎng)絡(luò)為例,分別討論去噪濾波器和懲罰因子的作用。

    4.1 去噪濾波器的選取

    二值化預(yù)測掩膜上每一點(diǎn)處的{0,1}值都會(huì)影響交并比的計(jì)算,因此,必須對(duì)預(yù)測掩膜概率圖進(jìn)行去噪預(yù)處理,排除噪聲點(diǎn)引起的交并比計(jì)算誤差。表3列出未濾波和分別采用均值、中值以及高斯濾波這4種情形下檢測模型的平均錯(cuò)誤率。濾波器核的大小分別為3×3和5×5。

    表3顯示,總的來看,去噪處理有助于改善檢測模型的性能。而在均值、中值和高斯這3種濾波器中,以核大小為3×3的高斯濾波器對(duì)降低檢測模型的平均誤差率效果最好。本文在不作特殊聲明的場合均采用核大小為3×3的高斯濾波器。

    4.2 信任機(jī)制中懲罰因子p 的選取

    本文信任機(jī)制是由式(3)分母中的懲罰項(xiàng)來體現(xiàn),懲罰強(qiáng)度會(huì)直接影響分類的性能。本小節(jié)將懲罰因子 p分別設(shè)置為0(無懲罰),0.5, 1.0和1.5進(jìn)行實(shí)驗(yàn),結(jié)果如表4所示。

    由表4可知,與不使用懲罰項(xiàng)相比,有懲罰時(shí)兩個(gè)分割網(wǎng)絡(luò)的庫內(nèi)和跨庫檢測錯(cuò)誤率總的來說是有所降低,且在 p=1.0時(shí)效果最好。本文在不作特殊聲明的場合均采用p =1.0。

    5 實(shí)驗(yàn)結(jié)果

    換臉視頻檢測目前并無統(tǒng)一比較基準(zhǔn)。為展現(xiàn)所提出檢測模型的良好性能,本文以同類且較新的4個(gè)檢測網(wǎng)絡(luò)MesoInception-4[10],ShallowNetV1[11],MISLnet[12], ResNet-50[8,14]和Xception[9]作為對(duì)象進(jìn)行比較。為了展示本文算法良好的可擴(kuò)展性,除用前述FCN-8s和FCN-32s[15],還以DeepLabv3[16]分割網(wǎng)絡(luò)作為分割手段,實(shí)現(xiàn)本文算法。在TIMIT,FaceForensices++和FFW數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果見表5和表6,可視化結(jié)果見圖2,其中熱力圖紅色部分表示篡改區(qū)域,藍(lán)色部分表示未篡改區(qū)域。

    表3 檢測模型在不同濾波器下的平均錯(cuò)誤率(%) p =1

    表4 檢測模型在不同懲罰因子下的平均錯(cuò)誤率(%)

    表5 以TIMIT數(shù)據(jù)庫訓(xùn)練模型所得到的測試結(jié)果(%)

    表6 以FaceForensics++數(shù)據(jù)庫訓(xùn)練模型所得到的測試結(jié)果(%)

    表5顯示,基于FCN-8s和FCN-32s分割網(wǎng)絡(luò)的檢測模型在TIMIT的庫內(nèi)檢測均有較好準(zhǔn)確率,尤其是基于FCN-8s的模型,庫內(nèi)準(zhǔn)確率位于次高,平均錯(cuò)誤率位于并列最低;其在FaceForensics++中的平均錯(cuò)誤率比目前文獻(xiàn)算法降低超過12%,位于最低;其在FFW庫中的平均錯(cuò)誤率比目前文獻(xiàn)算法降低超過12%,僅高于本文基于FCN-32s的模型,綜合表現(xiàn)最佳,充分證明本文基于分割網(wǎng)絡(luò)進(jìn)行換臉視頻檢測的有效性和優(yōu)良的泛化性能?;贒eepLabv3檢測模型的良好表現(xiàn)也證明所提出方法具有很好的可擴(kuò)展性,其在庫內(nèi)的等錯(cuò)誤率只有1.1%。表6的結(jié)果趨勢大致與表5的類似。

    圖2進(jìn)一步給出基于FCN-8s分割網(wǎng)絡(luò)的檢測模型在FaceForensics++數(shù)據(jù)庫上檢測結(jié)果示例圖。第1行為針對(duì)換臉視頻的檢測結(jié)果,從左到右依次為:假臉視頻幀,輸入圖像的正確熱力圖,通過FaceForensics++庫訓(xùn)練模型后得到的預(yù)測熱力圖(即庫內(nèi)檢測熱力圖),通過TIMIT訓(xùn)練模型后得到的預(yù)測熱力圖(即跨庫檢測熱力圖)??梢钥吹剑疚乃惴o論在庫內(nèi)還是庫外都能夠較精確地檢測出輸入圖像的篡改區(qū)域。第2行為針對(duì)真實(shí)為篡改視頻的檢測結(jié)果,從左到右分別為:真臉視頻幀,輸入圖像的正確熱力圖,通過FaceForensics++庫訓(xùn)練模型后得到的庫內(nèi)檢測熱力圖,通過TIMIT訓(xùn)練模型后得到的跨庫檢測熱力圖。

    圖2結(jié)果顯示,本文算法無論在庫內(nèi)還是庫外都能正確判斷輸入圖像中的篡改區(qū)域,證明該算法的有效性。尤其在假臉圖像中,能夠有效區(qū)分篡改區(qū)域和真實(shí)區(qū)域,通過像素級(jí)的精確標(biāo)簽讓網(wǎng)絡(luò)學(xué)習(xí)到紋理像素點(diǎn)之間的差異而降低對(duì)內(nèi)容信息的依賴,進(jìn)而降低了在單一數(shù)據(jù)庫上訓(xùn)練造成的過擬合現(xiàn)象,提升了跨庫測試的性能。

    針對(duì)由演員表演為素材,假臉合成質(zhì)量普遍較高的DFD數(shù)據(jù)庫,表7給出了本文基于FCN-8s和FCN-32s兩個(gè)分割網(wǎng)絡(luò)的部分測試結(jié)果。DFD數(shù)據(jù)庫中包括無壓縮庫(C0)、壓縮比為23(C23)的高質(zhì)量視頻庫,以及壓縮比為40(C40)的低質(zhì)量視頻庫。檢測模型在C23視頻庫上訓(xùn)練,得到的庫內(nèi)檢測結(jié)果以及在TIMIT, FaceForensics++(C0和C23)和FFW這3個(gè)數(shù)據(jù)庫上的跨庫檢測結(jié)果。可以看到本文算法有相當(dāng)突出的表現(xiàn),庫內(nèi)檢測的平均錯(cuò)誤率低于2%,且跨庫檢測的平均錯(cuò)誤率比上述跨庫檢測的結(jié)果更低。

    在實(shí)際檢測中存在多人臉情況,由于本文算法逐像素判斷當(dāng)前像素是落在真臉區(qū)域還是假臉區(qū)域,因此檢測過程并不受人臉數(shù)目的影響,只與標(biāo)簽圖像有關(guān)。限于文章篇幅,此處僅給出FFW測試庫中(4hMa-gKljhw_0.000_6.773.avi)的檢測結(jié)果,該段視頻中的右邊人臉為假臉。圖3顯示,可以看到本文算法同樣可以有效檢測出假臉。

    5.1 算法時(shí)間對(duì)比

    本小節(jié)討論各算法計(jì)算復(fù)雜度,按浮點(diǎn)運(yùn)算次數(shù)(FLOPs)和檢測時(shí)長(Time)進(jìn)行對(duì)比。檢測時(shí)長包括了對(duì)100段10 s視頻的逐幀檢測,每一視頻檢測過程均包括“分幀-人臉定位-人臉檢測-結(jié)果判決”4個(gè)步驟。結(jié)果如表8所示。由于分割網(wǎng)絡(luò)是對(duì)每個(gè)像素進(jìn)行判斷,其網(wǎng)絡(luò)結(jié)構(gòu)與其他分類器相比增加了上采樣部分,因此FLOPs和運(yùn)行總時(shí)長均有所增加。以FCN-8s實(shí)現(xiàn)的本算法為例,測試一個(gè)10 s視頻的平均時(shí)長為37.8 s,與最快的MesoInception-4相比,時(shí)長增加了約0.5倍,應(yīng)在可接受的范圍之內(nèi)。通過犧牲少量時(shí)長來提高檢測精度在很多應(yīng)用場景下都是有意義的。

    6 結(jié)束語

    圖2 FaceForensics++數(shù)據(jù)庫視頻檢測結(jié)果示例圖

    表7 通過DFD的C23數(shù)據(jù)庫訓(xùn)練模型所得到的平均錯(cuò)誤率(%)

    圖3 同時(shí)含有真臉和假臉的檢測熱力圖示例

    表8 算法復(fù)雜度與時(shí)間對(duì)比

    目前流行的假臉視頻檢測算法大多利用深度網(wǎng)絡(luò)提取特征進(jìn)行,這類方法跨庫性能欠佳的主要原因是深度網(wǎng)絡(luò)容易學(xué)到過多的庫內(nèi)特征,導(dǎo)致泛化性能不好。與文獻(xiàn)中的方法不同,本文將假臉視頻檢測視為一個(gè)特殊的拼接篡改檢測問題,利用圖像分割網(wǎng)絡(luò)逐像素對(duì)篡改區(qū)域進(jìn)行預(yù)測,降低不同訓(xùn)練數(shù)據(jù)庫的影響,提高檢測算法的泛化性能。此外,利用去噪、優(yōu)化的二值化門限和根據(jù)換臉先驗(yàn)知識(shí)改進(jìn)的人臉交并比等措施提高檢測的準(zhǔn)確性。在多個(gè)流行換臉視頻測試庫上的實(shí)驗(yàn)結(jié)果表明,與其他同類算法相比,本文方法在庫內(nèi)檢測保持高準(zhǔn)確率的同時(shí)大幅降低了跨庫檢測平均錯(cuò)誤率,算法具有很好的通用性。本文方法在不同分割網(wǎng)絡(luò)的實(shí)現(xiàn)均能獲得優(yōu)良的假臉視頻檢測性能,說明本文提高泛化性能的思想具有一般性。將來的改進(jìn)方向包括解決側(cè)臉人臉框的確定、不同尺寸人臉的精確檢測以及優(yōu)化分割網(wǎng)絡(luò)模型等方面。

    猜你喜歡
    庫內(nèi)錯(cuò)誤率人臉
    限制性隨機(jī)試驗(yàn)中選擇偏倚導(dǎo)致的一類錯(cuò)誤率膨脹*
    動(dòng)車檢查庫庫內(nèi)熱源特性實(shí)測與分析
    有特點(diǎn)的人臉
    牽引蓄電池工程車庫內(nèi)充電插座燒損故障分析及解決措施
    三國漫——人臉解鎖
    正視錯(cuò)誤,尋求策略
    教師·中(2017年3期)2017-04-20 21:49:49
    耽車泵站庫內(nèi)集滲試驗(yàn)分析
    解析小學(xué)高段學(xué)生英語單詞抄寫作業(yè)錯(cuò)誤原因
    馬面部與人臉相似度驚人
    降低學(xué)生計(jì)算錯(cuò)誤率的有效策略
    最新在线观看一区二区三区| 日韩成人在线观看一区二区三区| 国产成人欧美在线观看| 欧美日韩乱码在线| 欧美日韩乱码在线| 最近最新中文字幕大全免费视频| 夜夜爽天天搞| 一级片免费观看大全| 最近最新中文字幕大全免费视频| 叶爱在线成人免费视频播放| 亚洲男人天堂网一区| 日韩成人在线观看一区二区三区| 亚洲国产精品sss在线观看| 久久久久久大精品| 精品无人区乱码1区二区| 91老司机精品| 精品少妇一区二区三区视频日本电影| 欧美午夜高清在线| 大香蕉久久成人网| 一本精品99久久精品77| 老司机在亚洲福利影院| 国产蜜桃级精品一区二区三区| 男女之事视频高清在线观看| 国产97色在线日韩免费| 香蕉久久夜色| 国产av在哪里看| 色综合站精品国产| 国产成人一区二区三区免费视频网站| 久久青草综合色| 日本黄色视频三级网站网址| 亚洲国产欧洲综合997久久, | 国产精品一区二区免费欧美| 国产成人欧美| 宅男免费午夜| 别揉我奶头~嗯~啊~动态视频| 最近最新中文字幕大全电影3 | av在线天堂中文字幕| 亚洲人成电影免费在线| 亚洲第一av免费看| 99国产精品一区二区蜜桃av| 久久伊人香网站| 国产激情欧美一区二区| 国产亚洲精品综合一区在线观看 | 国产精品久久久av美女十八| 国产黄色小视频在线观看| 免费在线观看亚洲国产| 精品乱码久久久久久99久播| 亚洲国产毛片av蜜桃av| 亚洲无线在线观看| 久久久久久亚洲精品国产蜜桃av| 好看av亚洲va欧美ⅴa在| 亚洲 国产 在线| 日韩三级视频一区二区三区| 国产真实乱freesex| 亚洲在线自拍视频| 久久久久久九九精品二区国产 | 欧美激情 高清一区二区三区| 精品久久久久久久末码| 日本一本二区三区精品| 日韩欧美 国产精品| 长腿黑丝高跟| 在线观看免费午夜福利视频| 国产亚洲精品av在线| 大型黄色视频在线免费观看| 一个人免费在线观看的高清视频| 国产成人欧美在线观看| 一级a爱视频在线免费观看| 一a级毛片在线观看| 国产高清有码在线观看视频 | 国内久久婷婷六月综合欲色啪| 色老头精品视频在线观看| 美女免费视频网站| 视频在线观看一区二区三区| 怎么达到女性高潮| 亚洲精品在线观看二区| 国产成人精品久久二区二区91| 精品欧美一区二区三区在线| 欧美不卡视频在线免费观看 | 亚洲aⅴ乱码一区二区在线播放 | 久久精品91蜜桃| 精品乱码久久久久久99久播| 久久这里只有精品19| netflix在线观看网站| 久久久久亚洲av毛片大全| 欧美日韩中文字幕国产精品一区二区三区| 夜夜夜夜夜久久久久| 久久久久免费精品人妻一区二区 | 操出白浆在线播放| 亚洲av成人一区二区三| 亚洲熟女毛片儿| 18禁黄网站禁片免费观看直播| 女人高潮潮喷娇喘18禁视频| 99久久久亚洲精品蜜臀av| 大型黄色视频在线免费观看| 黄色 视频免费看| 国产精品综合久久久久久久免费| 亚洲成人久久性| 亚洲专区中文字幕在线| 美女大奶头视频| 啦啦啦免费观看视频1| 国产精品香港三级国产av潘金莲| www日本黄色视频网| 国内揄拍国产精品人妻在线 | 久久精品国产清高在天天线| 中文字幕另类日韩欧美亚洲嫩草| 俄罗斯特黄特色一大片| 久久久久九九精品影院| 亚洲男人的天堂狠狠| 午夜免费鲁丝| 亚洲avbb在线观看| 亚洲一区高清亚洲精品| a在线观看视频网站| 国产真实乱freesex| 亚洲男人的天堂狠狠| 久久国产亚洲av麻豆专区| 侵犯人妻中文字幕一二三四区| 不卡一级毛片| 老熟妇仑乱视频hdxx| 欧美又色又爽又黄视频| 国产真人三级小视频在线观看| 男女床上黄色一级片免费看| 免费看美女性在线毛片视频| 午夜精品久久久久久毛片777| 欧美中文日本在线观看视频| 在线观看免费视频日本深夜| 色综合站精品国产| 成人国语在线视频| 午夜激情av网站| 男女做爰动态图高潮gif福利片| 18禁裸乳无遮挡免费网站照片 | 成人三级黄色视频| 黄片大片在线免费观看| 9191精品国产免费久久| 免费看a级黄色片| 99国产精品一区二区蜜桃av| 亚洲欧美日韩高清在线视频| 91成人精品电影| 成人午夜高清在线视频 | 19禁男女啪啪无遮挡网站| aaaaa片日本免费| 天天一区二区日本电影三级| 日韩成人在线观看一区二区三区| 亚洲av熟女| www.熟女人妻精品国产| 午夜福利高清视频| 亚洲一码二码三码区别大吗| 国产99久久九九免费精品| www.自偷自拍.com| 国产精品久久久久久人妻精品电影| 午夜久久久久精精品| 欧美亚洲日本最大视频资源| 亚洲精品中文字幕一二三四区| 久久久久久亚洲精品国产蜜桃av| 亚洲国产高清在线一区二区三 | 日韩欧美在线二视频| 亚洲欧美精品综合一区二区三区| 美女高潮到喷水免费观看| 国内精品久久久久久久电影| 国产精品98久久久久久宅男小说| 老汉色av国产亚洲站长工具| 欧美色欧美亚洲另类二区| 老熟妇乱子伦视频在线观看| 久久天堂一区二区三区四区| 香蕉丝袜av| 99riav亚洲国产免费| 最新在线观看一区二区三区| 人人妻人人看人人澡| 成人av一区二区三区在线看| 婷婷亚洲欧美| 每晚都被弄得嗷嗷叫到高潮| 天天一区二区日本电影三级| 黑人巨大精品欧美一区二区mp4| 一二三四在线观看免费中文在| 一进一出抽搐gif免费好疼| 国产av一区二区精品久久| 一区福利在线观看| or卡值多少钱| 久久久久九九精品影院| 老司机福利观看| 一本大道久久a久久精品| 老司机深夜福利视频在线观看| 女人高潮潮喷娇喘18禁视频| 女性生殖器流出的白浆| 久久久久九九精品影院| 久久久久久亚洲精品国产蜜桃av| 91成人精品电影| 午夜福利一区二区在线看| 国产精品久久久久久精品电影 | 亚洲国产日韩欧美精品在线观看 | 国产精品二区激情视频| 欧美成人一区二区免费高清观看 | 成人亚洲精品一区在线观看| 禁无遮挡网站| 免费观看人在逋| 中出人妻视频一区二区| 在线观看66精品国产| 国产一卡二卡三卡精品| 狠狠狠狠99中文字幕| 亚洲成国产人片在线观看| 精品第一国产精品| 国产精品1区2区在线观看.| 精华霜和精华液先用哪个| 亚洲av美国av| 国产精品 国内视频| 国产精品 欧美亚洲| 白带黄色成豆腐渣| 波多野结衣av一区二区av| 亚洲性夜色夜夜综合| 中文字幕人妻熟女乱码| 久久国产精品影院| 国产伦人伦偷精品视频| 可以在线观看毛片的网站| 99re在线观看精品视频| 日韩一卡2卡3卡4卡2021年| 黄色成人免费大全| 一夜夜www| 欧美一级a爱片免费观看看 | 啪啪无遮挡十八禁网站| 国产亚洲精品一区二区www| 国产欧美日韩一区二区三| 国产麻豆成人av免费视频| 国产精品99久久99久久久不卡| 琪琪午夜伦伦电影理论片6080| 国产成人啪精品午夜网站| 大型黄色视频在线免费观看| 给我免费播放毛片高清在线观看| 白带黄色成豆腐渣| 欧美激情高清一区二区三区| 两个人看的免费小视频| 一区福利在线观看| 亚洲成国产人片在线观看| 999久久久精品免费观看国产| 中文字幕另类日韩欧美亚洲嫩草| 黄色a级毛片大全视频| 久久国产乱子伦精品免费另类| 桃红色精品国产亚洲av| 亚洲一区中文字幕在线| 国内毛片毛片毛片毛片毛片| 国内精品久久久久精免费| www日本黄色视频网| 精品熟女少妇八av免费久了| 亚洲人成网站在线播放欧美日韩| 成人午夜高清在线视频 | 亚洲av熟女| 免费一级毛片在线播放高清视频| 日本五十路高清| а√天堂www在线а√下载| 亚洲成人国产一区在线观看| 亚洲人成77777在线视频| 满18在线观看网站| 久久精品国产99精品国产亚洲性色| 国产亚洲精品一区二区www| 久久久久久九九精品二区国产 | 成人永久免费在线观看视频| 成人av一区二区三区在线看| 亚洲精品久久成人aⅴ小说| or卡值多少钱| 色综合婷婷激情| 在线观看舔阴道视频| 一级a爱视频在线免费观看| 亚洲国产看品久久| 嫩草影院精品99| 俺也久久电影网| 国产成人av教育| 热re99久久国产66热| 人人妻,人人澡人人爽秒播| 亚洲aⅴ乱码一区二区在线播放 | 亚洲第一欧美日韩一区二区三区| 欧美不卡视频在线免费观看 | 精品久久久久久久毛片微露脸| 亚洲五月天丁香| 非洲黑人性xxxx精品又粗又长| 久久久久精品国产欧美久久久| 国产亚洲av高清不卡| 亚洲激情在线av| 国产高清有码在线观看视频 | 这个男人来自地球电影免费观看| 伦理电影免费视频| 黄网站色视频无遮挡免费观看| 久久久水蜜桃国产精品网| 日本一区二区免费在线视频| 高潮久久久久久久久久久不卡| 制服诱惑二区| 国产在线精品亚洲第一网站| 久久久久久人人人人人| АⅤ资源中文在线天堂| 18禁美女被吸乳视频| xxxwww97欧美| 91九色精品人成在线观看| 欧美+亚洲+日韩+国产| 欧美激情极品国产一区二区三区| a在线观看视频网站| 两个人看的免费小视频| 国产一级毛片七仙女欲春2 | x7x7x7水蜜桃| av免费在线观看网站| 成人亚洲精品一区在线观看| 国产高清videossex| 免费看a级黄色片| 久久久久久久精品吃奶| 人人澡人人妻人| 欧美日本亚洲视频在线播放| 91成年电影在线观看| 在线视频色国产色| 国产欧美日韩精品亚洲av| 国产蜜桃级精品一区二区三区| 成人亚洲精品一区在线观看| 夜夜夜夜夜久久久久| 少妇熟女aⅴ在线视频| 1024香蕉在线观看| 精品免费久久久久久久清纯| 亚洲色图 男人天堂 中文字幕| 亚洲欧美日韩高清在线视频| 免费看a级黄色片| 丝袜人妻中文字幕| 久久亚洲真实| x7x7x7水蜜桃| 亚洲男人的天堂狠狠| 熟妇人妻久久中文字幕3abv| 久久国产乱子伦精品免费另类| 国产伦人伦偷精品视频| 久久伊人香网站| 每晚都被弄得嗷嗷叫到高潮| 国产高清有码在线观看视频 | 亚洲欧美一区二区三区黑人| 亚洲人成伊人成综合网2020| 18禁裸乳无遮挡免费网站照片 | 九色国产91popny在线| 国内少妇人妻偷人精品xxx网站 | 国产激情欧美一区二区| 欧美三级亚洲精品| 搡老岳熟女国产| 淫秽高清视频在线观看| 国产成人av教育| 久久国产精品人妻蜜桃| 侵犯人妻中文字幕一二三四区| 日韩精品免费视频一区二区三区| 51午夜福利影视在线观看| 欧美日韩亚洲国产一区二区在线观看| 美女国产高潮福利片在线看| 一区二区日韩欧美中文字幕| 制服丝袜大香蕉在线| 亚洲欧洲精品一区二区精品久久久| 亚洲国产欧美日韩在线播放| 精品国产乱码久久久久久男人| 最近最新中文字幕大全电影3 | 亚洲性夜色夜夜综合| 伦理电影免费视频| 老熟妇仑乱视频hdxx| 成在线人永久免费视频| 日韩一卡2卡3卡4卡2021年| 国产伦在线观看视频一区| 亚洲国产毛片av蜜桃av| 热re99久久国产66热| 久久 成人 亚洲| 亚洲精品国产区一区二| 亚洲av日韩精品久久久久久密| 免费在线观看成人毛片| 色综合婷婷激情| 两个人免费观看高清视频| a在线观看视频网站| 啦啦啦韩国在线观看视频| 嫩草影视91久久| 露出奶头的视频| 麻豆一二三区av精品| 19禁男女啪啪无遮挡网站| 看免费av毛片| 欧美日韩中文字幕国产精品一区二区三区| 看黄色毛片网站| 久久久国产精品麻豆| 国产激情偷乱视频一区二区| 亚洲无线在线观看| 久久久久免费精品人妻一区二区 | 欧美丝袜亚洲另类 | 国产精品1区2区在线观看.| 国产精品久久久久久人妻精品电影| 757午夜福利合集在线观看| 18禁美女被吸乳视频| 两性午夜刺激爽爽歪歪视频在线观看 | 女性生殖器流出的白浆| 9191精品国产免费久久| 免费女性裸体啪啪无遮挡网站| 又黄又粗又硬又大视频| 亚洲欧美一区二区三区黑人| 精品福利观看| 一级片免费观看大全| av免费在线观看网站| 色精品久久人妻99蜜桃| 亚洲三区欧美一区| 最近在线观看免费完整版| 丝袜在线中文字幕| 99久久国产精品久久久| 国产野战对白在线观看| 成人三级做爰电影| 日韩欧美一区二区三区在线观看| xxx96com| 久久香蕉国产精品| 亚洲国产日韩欧美精品在线观看 | 亚洲午夜精品一区,二区,三区| 久久久久久久精品吃奶| 精品少妇一区二区三区视频日本电影| 久久九九热精品免费| 身体一侧抽搐| 美女 人体艺术 gogo| 亚洲精品在线观看二区| 91麻豆av在线| 婷婷六月久久综合丁香| 最近最新中文字幕大全电影3 | 亚洲国产精品久久男人天堂| 国产精品,欧美在线| 国产又黄又爽又无遮挡在线| 草草在线视频免费看| 首页视频小说图片口味搜索| netflix在线观看网站| 久久国产精品人妻蜜桃| 精品电影一区二区在线| 免费看十八禁软件| 欧美乱色亚洲激情| 一进一出好大好爽视频| 可以在线观看的亚洲视频| 国产成+人综合+亚洲专区| 女同久久另类99精品国产91| 国产高清激情床上av| 又大又爽又粗| 国内精品久久久久精免费| 婷婷六月久久综合丁香| 国产单亲对白刺激| 亚洲国产欧美日韩在线播放| 中亚洲国语对白在线视频| 精品卡一卡二卡四卡免费| 亚洲av美国av| 高清在线国产一区| av中文乱码字幕在线| 三级毛片av免费| 一进一出抽搐gif免费好疼| 亚洲免费av在线视频| 亚洲av电影在线进入| 人人澡人人妻人| 久久精品aⅴ一区二区三区四区| 女人被狂操c到高潮| 精品电影一区二区在线| 桃红色精品国产亚洲av| 一级黄色大片毛片| 亚洲性夜色夜夜综合| 女人爽到高潮嗷嗷叫在线视频| 少妇裸体淫交视频免费看高清 | 一级毛片女人18水好多| 黄色视频,在线免费观看| 欧美日韩瑟瑟在线播放| 嫁个100分男人电影在线观看| 亚洲成人久久性| 老司机午夜十八禁免费视频| 亚洲第一av免费看| 国产又黄又爽又无遮挡在线| 琪琪午夜伦伦电影理论片6080| 亚洲一区二区三区不卡视频| 亚洲五月天丁香| 999久久久精品免费观看国产| bbb黄色大片| 波多野结衣av一区二区av| 亚洲国产精品久久男人天堂| 国产欧美日韩精品亚洲av| 亚洲av成人一区二区三| 国产精品久久久久久人妻精品电影| 黄网站色视频无遮挡免费观看| 欧美日韩一级在线毛片| 亚洲欧美日韩无卡精品| 在线播放国产精品三级| 亚洲精品美女久久av网站| 国产亚洲精品综合一区在线观看 | 精品日产1卡2卡| 他把我摸到了高潮在线观看| 免费观看精品视频网站| 欧美性猛交╳xxx乱大交人| 美女国产高潮福利片在线看| 香蕉国产在线看| 亚洲精品国产区一区二| 午夜精品在线福利| 窝窝影院91人妻| 99国产精品一区二区三区| 久久香蕉国产精品| 色综合欧美亚洲国产小说| 男人舔女人的私密视频| 亚洲色图 男人天堂 中文字幕| 少妇熟女aⅴ在线视频| 久久久国产精品麻豆| 久久久久久久久免费视频了| 久久国产精品男人的天堂亚洲| cao死你这个sao货| 91在线观看av| 老汉色av国产亚洲站长工具| 亚洲欧洲精品一区二区精品久久久| 久久狼人影院| 热99re8久久精品国产| 日韩中文字幕欧美一区二区| 听说在线观看完整版免费高清| 国产av一区在线观看免费| 搡老岳熟女国产| 国产亚洲欧美98| 天天躁夜夜躁狠狠躁躁| 香蕉国产在线看| 亚洲人成网站在线播放欧美日韩| 黄频高清免费视频| 亚洲中文日韩欧美视频| 国产精品一区二区三区四区久久 | 看片在线看免费视频| 国产精品九九99| 成人一区二区视频在线观看| 在线天堂中文资源库| 一级毛片精品| av有码第一页| 亚洲av片天天在线观看| 日韩视频一区二区在线观看| 国产熟女xx| 欧美性猛交黑人性爽| 色综合婷婷激情| 久久久久久久午夜电影| 国内精品久久久久精免费| 在线免费观看的www视频| 后天国语完整版免费观看| 国产视频一区二区在线看| 叶爱在线成人免费视频播放| 91av网站免费观看| 久久青草综合色| 日韩欧美一区视频在线观看| 亚洲成人久久爱视频| 老司机靠b影院| 久久香蕉激情| 国产成人欧美| 国产精品久久久人人做人人爽| 精品日产1卡2卡| www日本在线高清视频| 宅男免费午夜| 国产激情欧美一区二区| 成在线人永久免费视频| 精品久久久久久久久久免费视频| 日本精品一区二区三区蜜桃| 色av中文字幕| 国产免费av片在线观看野外av| 国产精品永久免费网站| 日本精品一区二区三区蜜桃| 国产熟女午夜一区二区三区| 国产三级在线视频| 国产v大片淫在线免费观看| 久久欧美精品欧美久久欧美| 给我免费播放毛片高清在线观看| 精品电影一区二区在线| 国产97色在线日韩免费| 免费看a级黄色片| 国产视频内射| 久久欧美精品欧美久久欧美| 女人被狂操c到高潮| 最好的美女福利视频网| 久久久久国产一级毛片高清牌| av在线播放免费不卡| 国产精品久久电影中文字幕| 他把我摸到了高潮在线观看| 两个人看的免费小视频| 哪里可以看免费的av片| 午夜日韩欧美国产| 国产黄色小视频在线观看| 亚洲专区字幕在线| 亚洲狠狠婷婷综合久久图片| 国语自产精品视频在线第100页| 无人区码免费观看不卡| 国产av一区二区精品久久| 9191精品国产免费久久| a在线观看视频网站| 亚洲自拍偷在线| 高潮久久久久久久久久久不卡| 满18在线观看网站| 大型黄色视频在线免费观看| 亚洲第一电影网av| or卡值多少钱| 亚洲国产高清在线一区二区三 | 欧美精品啪啪一区二区三区| 亚洲人成电影免费在线| 久久婷婷人人爽人人干人人爱| 9191精品国产免费久久| 国产亚洲av嫩草精品影院| 国产又爽黄色视频| 亚洲av中文字字幕乱码综合 | 精品电影一区二区在线| 成人18禁在线播放| 国产精品av久久久久免费| 不卡一级毛片| 熟女少妇亚洲综合色aaa.| 欧美日韩中文字幕国产精品一区二区三区| 少妇 在线观看| 成人国语在线视频| 啦啦啦 在线观看视频| 一二三四在线观看免费中文在| 桃色一区二区三区在线观看| www.999成人在线观看| 激情在线观看视频在线高清| x7x7x7水蜜桃| 久久天堂一区二区三区四区| 亚洲欧美日韩高清在线视频| 亚洲狠狠婷婷综合久久图片| 国产激情偷乱视频一区二区| 午夜两性在线视频| 久久亚洲真实| 欧美日韩黄片免| 嫁个100分男人电影在线观看| 妹子高潮喷水视频| 中文字幕精品亚洲无线码一区 | 男女床上黄色一级片免费看| 男男h啪啪无遮挡| 欧美性猛交黑人性爽| 欧美日本视频| av视频在线观看入口| 激情在线观看视频在线高清| 人成视频在线观看免费观看| 又黄又爽又免费观看的视频| 欧美zozozo另类|