[发明专利]基于GAN网络的虚假图像鉴别系统及构建方法

权利要求书

1.一种基于GAN网络的虚假图像鉴别系统的构建方法，其特征在于，包括：

构建多个GAN网络模型，针对每一个GAN网络模型，分别在各自对应的数据集上进行训练；

采用训练后的多个GAN网络模型生成虚假图像，同时从数据集中选取同等数量的真实图像，将虚假图像和真实图像的分辨率进行统一；

对虚假图像和真实图像分别进行数据增强操作，生成训练集；

选择一个GAN网络模型，利用生成的训练集对该选择的GAN网络模型进行鉴别器训练；

对训练后的GAN网络模型进行泛化，构建形成基于GAN网络的虚假图像鉴别系统；

所述多个GAN网络模型，包括：3种无条件GAN网络和3种条件GAN网络；其中：3种无条件GAN网络模型包括：ProGAN网络模型、StyleGAN网络模型和BigGAN网络模型；3种条件GAN网络模块包括：CycleGAN网络模型、StarGAN网络模型和GauGAN网络模型。

2.根据权利要求1所述的基于GAN网络的虚假图像鉴别系统的构建方法，其特征在于，将所述虚假图像和真实图像的分辨率统一为256×256。

3.根据权利要求1所述的基于GAN网络的虚假图像鉴别系统的构建方法，其特征在于，所述数据增强操作，包括如下任意一种或任意多种：

-高斯模糊；

-图像翻转；

-图像裁剪；

-图像旋转；

-仿射变换；

-JPEG压缩。

4.根据权利要求1所述的基于GAN网络的虚假图像鉴别系统的构建方法，其特征在于，用于进行鉴别器训练的GAN网络模型选择为ProGAN网络模型；和/或

进行鉴别器训练的方法为：从分辨率为4×4的生成图像开始，利用训练集，采用图像插值方法逐步提高生成图像分辨率，直至将生成图像的分辨率提升至256×256。

5.一种基于GAN网络的虚假图像鉴别系统，其特征在于，包括：

图像生成模块，所述图像生成模块采用多个GAN网络模型生成训练用的虚假图像，并从各GAN网络模型对应的数据集中选取同等数量的真实图像；

数据增强模块，所述数据增强模块对虚假图像和进行变换操作，对训练集进行扩充；

鉴别器模块，所述鉴别器模块选择多个GAN网络模型中的一个，采用数据增强模块中形成的训练集进行训练，用以区分真实图像和生成的图像；

所述多个GAN网络模型，包括：3种无条件GAN网络和3种条件GAN网络；其中：3种无条件GAN网络模型包括：ProGAN网络模型、StyleGAN网络模型和BigGAN网络模型；3种条件GAN网络模块包括：CycleGAN网络模型、StarGAN网络模型和GauGAN网络模型。

6.根据权利要求5所述的基于GAN网络的虚假图像鉴别系统，其特征在于，所述图像生成模块采用的多个GAN网络模型分别在各自对应的数据集上进行训练；和/或

所述图像生成模块采用的多个GAN网络模型分别生成同等数量的虚假图像，其中每一个生成的虚假图像均进行相同的预处理操作，并形成分别率均为256×256的图像。

7.根据权利要求5所述的基于GAN网络的虚假图像鉴别系统，其特征在于，所述数据增强模块采用如下任意一个或多个操作对图像进行变换：

-高斯模糊；

-图像翻转；

-图像裁剪；

-图像旋转；

-仿射变换；

-JPEG压缩。

8.根据权利要求5所述的基于GAN网络的虚假图像鉴别系统，其特征在于，所述鉴别器模块选择ProGAN网络模型；和/或

对所述鉴别器模块进行训练的方法为：从分辨率为4×4的生成图像开始，利用训练集，采用图像插值方法逐步提高生成图像分辨率，直至生成图像的分别率提升至256×256。