16、可分离卷积假脸检测与乳腺X光图像分类系统研究

可分离卷积假脸检测与乳腺X光图像分类系统研究

1. 可分离卷积假脸检测

在假脸检测领域，研究人员提出了基于可分离卷积的方法。通过与Meso - inception - 4和Meso - 4等架构对比发现，所提方法在MesoNet Deepfake数据集上表现更优。Meso - inception - 4和Meso - 4的准确率约为91.7%，而所提方法达到了96.2%。这可能是因为学习过程时间更长，同时该网络模型参数比其他架构少，使得准确率显著提高。

实验结果对比

架构	准确率
Meso - inception - 4和Meso - 4	约91.7%
所提方法	96.2%

方法优势

所提方法充分利用了可分离卷积的优势，在网络中取得了优于其他架构的分数。这表明现代高效的深度学习架构在深度伪造分类任务中具有显著效果，所提架构在MesoNet Deepfake数据集上不仅准确率高，AUC分数也达到了99%，而VGG16架构的准确率仅为75.7%。

2. 基于卷积神经网络的乳腺X光图像分类系统

2.1 研究背景

在越南，乳腺癌是女性常见癌症之一。2020年有21,555例新的乳腺癌病例，占所有女性新癌症病例总数的25.8%。乳腺