声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 本文的主要工作概述
第二章 相关理论基础
2.1 卷积神经网络
2.1.1 卷积层
2.1.2 池化层
2.1.3 全连接层
2.1.4 激活函数
2.1.5 损失函数
2.1.6 网络框架
2.1.7 神经网络优化算法
2.2 监督学习和无监督学习
2.2.1 监督学习算法
2.2.2 无监督学习算法
2.3 对抗 Deepfake算法研究
2.3.1 Face X-ray 方法
2.3.2 RNN+LSTM 方法
2.3.3 FaceForensics++方法
2.3.4 非 Deepfake伪造图像生成方法
2.4 系统环境配置
2.5 本章小结
第三章 数据处理相关
3.1 实验数据集
3.1.1 FaceForensics++ 数据集
3.1.2 Deepfake Detection Challenge 数据集
3.2.1 视频抽帧
3.2.2 图像增强
3.2.3 图像标准化与归一化
3.2.4 人脸检测
3.3.1 PCA特征
3.3.2 ELA特征
3.3.3 BAG特征
3.3.4 CRF特征
3.3.5 SRM特征
3.4 本章小结
第四章 基于深度学习的篡改检测方法
4.1 Deepfake主要机制
4.1.1 人脸定位
4.1.2 人脸转换
4.1.3 人脸拼接
4.2 Xception模型
4.2.1 深度可分离卷积
4.2.2 Entry flow、Middle flow和 Exit flow
4.3.1 数据集
4.3.2 网络结构
4.3.3 实验方法
4.4 实验结果分析
4.4.1 Full Image
4.4.2 Face Only
4.5 实验总结
4.6 本章小结
第五章 基于传统特征的人脸图像篡改检测
5.1 图像传统特征选择以及优化
5.1.1 噪音分析
5.1.2 BAG特征
5.1.3 ELA特征
5.1.4 特征优化
5.2 模型设计
5.3 实验结果分析
5.4 本章小结
第六章 总结与展望
6.1 工作总结
6.2 未来研究方向
致 谢
参考文献
攻读硕士期间取得的成果
附录
电子科技大学;