期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CNN-Transformer混合架构的AI生成图像鲁棒检测方法
1
作者 康馨元 李帆 +2 位作者 赵慧 王保栋 李鑫 《数据采集与处理》 北大核心 2025年第5期1283-1293,共11页
深度生成模型的快速发展使得合成图像的逼真度不断提高,从图像生成到人脸篡改,各类生成技术已经深入人们的日常生活,图像真实性问题引起关注。此外,主流的图像分类模型主要在风格丰富多变的自然场景数据集上进行预训练,而单一提示词虽... 深度生成模型的快速发展使得合成图像的逼真度不断提高,从图像生成到人脸篡改,各类生成技术已经深入人们的日常生活,图像真实性问题引起关注。此外,主流的图像分类模型主要在风格丰富多变的自然场景数据集上进行预训练,而单一提示词虽能生成大量的数据,但是存在明显的同质化问题,影响了学习难度的均衡性,从而使得传统的图像二分类训练方法在生成图像检测任务上存在泛化能力不足的问题。针对此类问题,本文提出了一种难易样本不均衡下的检测方法,无需修改现有分类模型,通过生成数据的自我增强方式,建立了一种有效的数据增强范式,扩充生成数据的多样性,从而平衡模型的学习难度。同时,在难易样本中利用修正的类交叉熵损失进行敏感惩罚。本文所提方法在2023年11月山东省人工智能学会举办的计算机视觉应用挑战赛(真假图片识别赛)中取得了最好的结果。 展开更多
关键词 深度学习 图像分类 数据增强 真假图像识别 类别不均衡问题
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部