[发明专利]人脸图像操作痕迹检测方法、计算机设备及可读存储介质

权利要求书

1.一种人脸图像操作痕迹检测方法，其特征在于，包括：

解析输入的人脸图像，得到所述人脸图像对应的初始特征张量；

将所述初始特征张量输入至具有一层固定权值的卷积网络中进行卷积操作，得到细化后的特征张量；

将所述细化后的特征张量输入至基石网络中，得到所述人脸图像的操作痕迹特征，

其中，所述具有一层固定权值的卷积网络为梯度操作子。

2.一种人脸图像操作痕迹检测方法，其特征在于，包括：

解析输入的人脸图像，得到所述人脸图像对应的初始特征张量；

将所述初始特征张量输入至带有注意力模块的基石网络中，得到所述人脸图像的操作痕迹特征；

其中，所述带有注意力模块的基石网络包括多个基石节点，每个所述基石节点嵌入注意力模块，所述注意力模块用于将输入到每个基石节点中的特征张量进行细化，以最终得到人脸图像中的操作痕迹特征；

其中，所述注意力模块包括最大池操作模块，平均池操作模块以及梯度子模块，所述注意模块输出的特征张量包括所述最大池模块，平均池操作模块以及梯度子模块输出的特征张量。

3.一种人脸图像操作痕迹检测方法，其特征在于，包括：

解析输入的人脸图像，得到所述人脸图像对应的初始特征张量；

将所述初始特征张量输入至具有一层固定权值的卷积网络中进行卷积操作，得到细化后的特征张量，并将所述细化后的特征张量输入至基石网络中，得到所述人脸图像的第一操作痕迹特征；

其中，所述具有一层固定权值的卷积网络为梯度操作子；

将所述初始特征张量输入带有注意力模块的基石网络中，得到所述人脸图像的第二操作痕迹特征；

其中，所述基石网络包括多个基石节点，每个所述基石节点嵌入注意力模块，所述注意力模块用于将输入到每个基石节点中的特征张量进行细化；

其中，所述注意力模块包括最大池操作模块，平均池操作模块以及梯度子模块，所述注意模块输出的特征张量包括所述最大池模块，平均池操作模块以及梯度子模块输出的特征张量；

融合所述第一操作痕迹特征和所述第二操作痕迹特征，得到最终输出。

4.根据权利要求1-3任一项所述的人脸图像操作痕迹检测方法，其特征在于，所述基石网络为ResNet-18网络。

5.根据权利要求2或3所述的人脸图像操作痕迹检测方法，其特征在于，

所述用最大池化操作模块和所述平均池化操作模块，用于捕获所述人脸图像各基色通道之间的操纵痕迹关联，并通过共享网络生成通道注意映射，得到第一子操作痕迹特征；

所述梯度子模块，用于进一步的对人脸图像的操作痕迹特征进行捕捉，得到第二子操作痕迹特征；

将所述第一子操作痕迹特征与所述第二子操作痕迹特征进行融合，得到所述带有注意力模块的基础网络输出的所述人脸图像的操作痕迹特征。

6.根据权利要求5所述的人脸图像操作痕迹检测方法，其特征在于，所述方法还包括：

通过预设权重对所述梯度子模块得到的所述第二子操作痕迹特征进行加权处理，得到加权处理后的第二子操作痕迹特征；

所述将所述第一子操作痕迹特征与所述第二子操作痕迹特征进行融合为：

通过sigmoid函数将所述第一子操作痕迹特征与所述第二子操作痕迹特征进行融合。

7.根据权利要求5所述的人脸图像操作痕迹检测方法，其特征在于，所述共享网络包括1×1卷积层和ReLU激活函数。

8.根据权利要求3所述的人脸图像操作痕迹检测方法，其特征在于，所述融合所述第一操作痕迹特征和所述第二操作痕迹特征，得到最终输出为：

所述第一操作痕迹特征和所述第二操作痕迹特征逐像素相加的方式进行融合。

9.一种计算机设备，包括存储器和处理器，其中，所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8任一项所述的方法。

10.一种可读存储介质，其特征在于，包括计算机程序，所述计算机程序在计算机上被执行时，使得所述计算机执行权利要求1-8中任一项所述的方法。