《表4 混合数据集训练模型的召回率》

  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

（%）

由于工程实践中，无法得知待检测图像潜在使用的深度伪造方法，故算法支持同时检测多种深度伪造方法更具有实际意义。为了进一步验证，本文在某一特定深度伪造方法数据集训练，并交叉检测其他深度伪造方法测试集。结果在表3和表4以召回率指标进行显示。通过表3首行数据横向对比可知，采用Deep Fake数据集训练所得的模型参数，检测Deep Fake虚假图像的召回率达到98.51%，真实图像召回率达到98.94%。但是，使用此模型参数检测Face2Face虚假图像以及Face Swap虚假图像召回率极低，仅为5.94%和0.28%。其余数据也表现出相同规律。结果表明，各类深度伪造方法有其自身特点。采用单一深度伪造数据集训练的模型不具有泛化性，仅对单一伪造方法检测具有很高的召回率，对其他深度伪造方法检测率与随机判别相似，不具有检测性能。