《表4 双流网络在四种独立数据集上的性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于双流网络的Deepfakes检测技术》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证在不同数据集上的训练效果，本文分别在FaceForensics++数据集的四个数据集上测试双流网络的性能，并与Xception[6]的结果进行对比。即在四种篡改方法的3种压缩率版本下分别训练，测试独立数据集上的性能。由于NeuralTextures是最新集成的数据集，Xception[6]中并没有提供测试结果。相关测试结果如表4所示，其中“-”代表无此实验。从表4中可以看出，模型在不同压缩率下的性能有差异，压缩率高的视频丧失了很多特征使得检测难度变大，但仍然平均达到93%以上的准确率。在C0和C23的单独实验上，本文提出的模型在视频级别的测试均达到了99%以上的准确率甚至个别达到100%，已经可以较准确地对不同的篡改方式进行分类。再跟Xception[6]的最好结果对比，本文提出的双流网络在单独测试集上的性能均优于Xception[6]。尤其在高压缩率的实验上，双流网络展现极大的提升，展现了良好的对抗压缩能力。