《表5 双流网络在四种数据集上训练的性能》
跨数据集检测仍然是个难点,即在一种篡改方法上训练的模型在另一个篡改方法上测试效果会大幅度下降。现有的做法是将已有的篡改方法融合到训练集再测试。本文中将FaceForensics++中的四种篡改方法融合到一起用双流网络训练,不同的压缩率分别训练模型,最后测试结果如表5所示。
图表编号 | XD00139441800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 李旭嵘、于鲲 |
绘制单位 | 阿里巴巴、阿里巴巴 |
更多格式 | 高清、无水印(增值服务) |
跨数据集检测仍然是个难点,即在一种篡改方法上训练的模型在另一个篡改方法上测试效果会大幅度下降。现有的做法是将已有的篡改方法融合到训练集再测试。本文中将FaceForensics++中的四种篡改方法融合到一起用双流网络训练,不同的压缩率分别训练模型,最后测试结果如表5所示。
图表编号 | XD00139441800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 李旭嵘、于鲲 |
绘制单位 | 阿里巴巴、阿里巴巴 |
更多格式 | 高清、无水印(增值服务) |