《表2 训练模型在测试集的准确率》

  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

《融合传统特征与神经网络的深度伪造检测算法》

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

（%）

本文首先针对Deep Fake、Face2Face、Face Swap三种不同深度伪造方法数据集单独训练，表2显示了训练模型在测试集中的检测准确率。无论相较于机器学习Steg.Features[7]+SVM分类器的方法，还是深度学习Meso Net以及Xception Net方法，本文提出的模型检测针对Face Swap和Face2Face深度伪造图像都取得了明显性能提升，虽然Deep Fake准确率相比较Xception Net方法有所减低，但是其准确率与本模型相比仍属最高值，表明结合了纹理特征和HSV空间特性的双流网络模型对提升检测准确率具有积极作用。