图像鉴伪模型训练方法、图像鉴伪方法、装置及电子设备

本发明涉及图像处理，尤其涉及一种图像鉴伪模型训练方法、图像鉴伪方法、装置及电子设备。

背景技术：

1、随着人脸编辑技术的快速发展，人脸内容取证引起了广泛的关注。在人脸图像鉴伪方面，即检测伪造人脸图像方面，主流研究方法是将人脸图像鉴伪任务建模成真伪二分类问题，并以深度神经网络为基础来构筑具体模型。此类方法通常需要获取海量的带标注人脸样本，以驱动人脸鉴伪模型进行特征学习和参数更新。这可能导致人脸鉴伪模型对训练数据的分布产生较强的依赖性，具体表现为：人脸鉴伪模型只能处理已学过的伪造人脸类型，却无法判断未见过的伪造人脸类型。在伪造人脸类型不断增多的场景下，这种性能降质问题愈发明显。

2、常规的解决方案是保存每个阶段的训练样本，当新型伪造人脸到达时，将新数据与历史数据直接合并，然后基于全部样本进行模型重训或微调。随着样本量的累积，获取新模型的时间成本和计算资源激增。因此，该方案仅在短期内可行，而不具备长期的现实性。

3、同时，考虑到访问人脸数据时可能造成的隐私泄露和数据安全问题，历史数据的重复使用往往受到限制，甚至不被允许，进而导致上述方案失去可行性。

技术实现思路

1、本发明提供一种图像鉴伪模型训练方法、图像鉴伪方法、装置及电子设备，用以解决现有技术中存在的缺陷。

2、本发明提供一种图像鉴伪模型训练方法，包括：

3、获取当前时段的真伪图像样本，并基于目标特征提取器，对当前时段的真伪图像样本进行特征提取，得到当前时段的真伪图像特征；

4、基于所述当前时段的前一历史时段的真伪图像特征分布参数，确定所述前一历史时段的真伪重建特征，并基于所述当前时段的真伪图像特征及所述当前时段的各历史时段的真伪重建特征，对所述当前时段的前一历史时段的图像分类器进行训练，得到目标图像分类器；

5、基于所述目标特征提取器和所述目标图像分类器，构建当前时段的图像鉴伪模型；

6、其中，所述目标特征提取器基于起始历史时段的真伪图像样本，对级联的初始特征提取器和初始图像分类器进行预训练得到，所述前一历史时段的真伪图像特征分布参数基于所述目标特征提取器对所述前一历史时段的真伪图像样本进行特征提取得到的所述前一历史时段的真伪图像特征确定并保存。

7、根据本发明提供的一种图像鉴伪模型训练方法，所述基于所述当前时段的前一历史时段的真伪图像特征分布参数，确定所述前一历史时段的真伪重建特征，包括：

8、基于标准高斯分布，确定随机噪声；

9、基于真伪尺度因子以及所述随机噪声，对所述前一历史时段的真伪图像特征分布的均值进行扰动，得到所述前一历史时段的真伪重建特征。

10、根据本发明提供的一种图像鉴伪模型训练方法，所述真伪尺度因子基于所述起始历史时段的真伪图像特征协方差以及图像特征维度计算得到。

11、根据本发明提供的一种图像鉴伪模型训练方法，所述基于所述当前时段的前一历史时段的真伪图像特征分布参数，确定所述前一历史时段的真伪重建特征，还包括：

12、基于所述前一历史时段的真伪图像特征的均值和方差，确定所述前一历史时段的真伪图像特征的高斯分布；

13、从所述前一历史时段的真伪图像特征的高斯分布中采样得到所述前一历史时段的真伪重建特征。

14、根据本发明提供的一种图像鉴伪模型训练方法，所述基于所述当前时段的真伪图像特征及所述当前时段的各历史时段的真伪重建特征，对所述当前时段的前一历史时段的图像分类器进行训练，得到目标图像分类器，包括：

15、将所述当前时段的真伪图像特征及所述当前时段的各历史时段的真伪重建特征分别输入至所述前一历史时段的图像分类器，得到所述前一历史时段的图像分类器输出的分类结果；

16、基于所述当前时段的各历史时段的真伪重建特征对应的类别标签和分类结果，以及所述当前时段的真伪图像特征对应的类别标签和分类结果，计算分类器损失，并基于所述分类器损失，对所述前一历史时段的图像分类器的结构参数进行迭代优化，得到所述目标图像分类器。

17、根据本发明提供的一种图像鉴伪模型训练方法，所述基于所述当前时段的各历史时段的真伪重建特征对应的类别标签和分类结果，以及所述当前时段的真伪图像特征对应的类别标签和分类结果，计算分类器损失，包括：

18、基于所述当前时段的各历史时段的真伪重建特征对应的类别标签及分类结果，计算第一损失，并基于所述当前时段的真伪图像特征对应的类别标签及分类结果，计算第二损失；

19、对所述第一损失和所述第二损失进行加权求和，确定所述分类器损失。

20、本发明还提供一种图像鉴伪方法，包括：

21、获取待鉴别图像；

22、将所述待鉴别图像输入至当前时段的图像鉴伪模型，得到所述图像鉴伪模型输出的所述待鉴别图像的真伪；

23、所述图像鉴伪模型基于上述的图像鉴伪模型训练方法训练得到。

24、本发明还提供一种图像鉴伪模型训练装置，包括：

25、特征提取模块，用于获取当前时段的真伪图像样本，并基于目标特征提取器，对当前时段的真伪图像样本进行特征提取，得到当前时段的真伪图像特征；

26、分类训练模块，用于基于所述当前时段的前一历史时段的真伪图像特征分布参数，确定所述前一历史时段的真伪重建特征，并基于所述当前时段的真伪图像特征及所述当前时段的各历史时段的真伪重建特征，对所述当前时段的前一历史时段的图像分类器进行训练，得到目标图像分类器；

27、模型构建模块，用于基于所述目标特征提取器和所述目标图像分类器，构建当前时段的图像鉴伪模型；

28、其中，所述目标特征提取器基于起始历史时段的真伪图像样本，对级联的初始特征提取器和初始图像分类器进行预训练得到，所述前一历史时段的真伪图像特征分布参数基于所述目标特征提取器对所述前一历史时段的真伪图像样本进行特征提取得到的所述前一历史时段的真伪图像特征确定并保存。

29、本发明还提供一种图像鉴伪装置，包括：

30、图像获取模块，用于获取待鉴别图像；

31、图像鉴伪模块，用于将所述待鉴别图像输入至图像鉴伪模型，得到所述图像鉴伪模型输出的所述待鉴别图像的真伪；

32、所述图像鉴伪模型基于上述的图像鉴伪模型训练方法训练得到。

33、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述的图像鉴伪模型训练方法或图像鉴伪方法。

34、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的图像鉴伪模型训练方法或图像鉴伪方法。

35、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的图像鉴伪模型训练方法或图像鉴伪方法。

36、本发明提供的图像鉴伪模型训练方法、图像鉴伪方法、装置及电子设备，该训练方法首先获取当前时段的真伪图像样本，并基于目标特征提取器，对当前时段的真伪图像样本进行特征提取，得到当前时段的真伪图像特征；然后基于当前时段的前一历史时段的真伪图像特征分布参数，确定前一历史时段的真伪重建特征，并基于当前时段的真伪图像特征及当前时段的各历史时段的真伪重建特征，对当前时段的前一历史时段的图像分类器进行训练，得到目标图像分类器；最后基于目标特征提取器和目标图像分类器，构建当前时段的图像鉴伪模型。该方法通过图像鉴伪模型在不同时段的伪造类型的真伪图像样本上进行域增量学习，以提升图像鉴伪模型对新型伪造算法的快速适应能力，同时保持对原伪造图像的鉴别精度。而且，该方法在对当前时段的训练过程，只需要前一历史时段的真伪图像特征分布参数，利用其确定前一历史时段的真伪重建特征即可得到各历史时段的真伪重建特征，并不需要各历史时段的真伪图像特征，可以避免访问历史时段的真伪图像样本时可能造成的隐私泄露和数据安全问题，在不重复访问历史时段的真伪图像样本作为学习范例的情况下，仅通过历史时段的真伪图像特征分布参数就可以进行历史时段的真伪图像特征的恢复与重建，有利于隐私保护和信息安全。