基于卷积神经网络的人脸图像深度伪造检测
计算机视觉与模式识别
2025-03-17 v1 机器学习
摘要
虚假新闻，尤其是深度伪造（生成的、非真实的图像或视频内容），近年来已成为一个严肃议题。随着机器学习算法的兴起，生成此类伪造内容变得前所未有地容易，即便是普通人也能操作。这种生成伪造图像的问题在政治与公众人物语境下尤为关键。我们旨在通过构建一个基于卷积神经网络(Convolutional Neural Network)的模型来解决这一冲突，以检测此类展示人物肖像的生成伪造图像。作为基础，我们采用预训练的 ResNet-50 模型，因其在图像分类方面表现出色。随后，我们通过添加一个包含单个指示图像真伪神经元的全连接输出层，使基础模型适应于将单张图像分类为真实或伪造的任务。我们应用了微调与迁移学习来开发该模型并优化其参数。在训练过程中，我们收集了图像数据集“Diverse Face Fake Dataset”，其中包含多种不同的图像篡改方法，且图像中可见人脸也具有多样性。使用最终模型，我们达到了以下卓越的性能指标：precision = 0.98，recall = 0.96，F1-Score = 0.97，area-under-curve = 0.99。
引用
@article{arxiv.2503.11389,
title = {Deepfake Detection of Face Images based on a Convolutional Neural Network},
author = {Lukas Kroiß and Johannes Reschke},
journal= {arXiv preprint arXiv:2503.11389},
year = {2025}
}