[发明专利]伪造图像识别模型训练方法及伪造图像识别方法

权利要求书

1.一种伪造图像识别模型训练方法，包括：

从数据集中提取多张样本图像，对多张所述样本图像中识别目标区域进行定位并裁剪，得到多张训练图像；

使用空间域特征提取模块和自适应频域特征提取模块作为输入层，特征融合模块和特征映射模块作为中间层，分类器作为输出层构建初始二分类模型；

对于每一张训练图像，使用所述空间域特征提取模块从所述训练图像中提取得到空间域特征，使用所述自适应频域特征提取模块从所述训练图像中提取得到频域特征；

使用所述特征融合模块融合多个所述空间域特征和多个所述频域特征，得到多个训练特征；

使用所述特征映射模块将多个所述训练特征映射到特征空间中，得到多个特征点，将多个所述特征点输入分类器中，得到多个训练结果；以及

基于多个所述训练结果及其标签监督训练所述初始二分类模型，得到所述伪造图像识别模型；

其中，所述使用所述自适应频域特征提取模块从所述训练图像中提取得到频域特征包括：

将所述训练图像变换到一个颜色空间，得到多个颜色分量；

使用数据预处理方法，将每一个所述颜色分量转换为一个第一三维张量；以及

使用自适应频域信息挖掘方法将多个所述第一三维张量转换为频域特征；

其中，所述使用自适应频域信息挖掘方法将多个所述第一三维张量转换为频域特征包括：

使用不同的卷积块分别对每一个所述颜色分量对应的所述第一三维张量进行处理，得到多个第二三维张量；

将多个所述第二三维张量组合，得到一个第三三维张量；

使用卷积和/或池化的方法处理所述第三三维张量，得到第四三维张量；以及

利用注意力机制和一个卷积块增强所述第四三维张量的特征，得到所述频域特征；

其中，所述基于多个所述训练结果及其标签监督训练所述初始二分类模型，得到所述伪造图像识别模型包括：

在所述初始二分类模型的特征空间中生成一个初始中心点；

根据single-center loss函数和softmax loss函数定义所述初始二分类模型的损失函数；

使用所述损失函数根据多个所述训练结果及其标签计算得到损失值，并根据所述损失值调整所述初始二分类模型的模型参数中的一个或者多个以及所述初始中心点；以及

在训练次数达到预设轮次或所述损失值达到预设值时，结束训练，得到所述伪造图像识别模型；

其中，所述使用所述损失函数根据多个所述训练结果及其标签计算得到损失值包括：

根据一部分所述训练结果的标签，将所述训练结果分为第一训练结果和第二训练结果；

所述第一训练结果在所述特征空间中对应第一特征区域，所述第一特征区域包括一个或多个第一特征点；

所述第二训练结果在所述特征空间中对应第二特征区域，所述第二特征区域包括一个或多个第二特征点；

计算每一个所述第一特征点到所述初始中心点的平均距离，得到第一平均距离，计算每一个所述第二特征点到所述初始中心点的平均距离，得到第二平均距离；以及

将所述第一平均距离和所述第二平均距离作为所述损失函数的参数，计算得到所述损失值；

其中，所述single-center loss函数表示为：

其中，L_sc表示所述single-center loss函数，M_nat表示所述第一平均距离，M_man表示所述第二平均距离，m是一个预先设置的参数，D表示所述特征空间的维数。

2.根据权利要求1所述的方法，其中，所述使用数据预处理方法将每一个所述颜色分量转换为一个第一三维张量包括：

将所述颜色分量切割成多个图像块，多个所述图像块的尺寸相同；

使用空间域-频域转换方法，将多个所述图像块转换为多个频域分量；

将多个所述频域分量分别变换成多个一维张量；以及

将多个所述一维张量组合形成一个所述第一三维张量。