超级会员免费看
针对现有伪造检测技术存在的过拟合和特征选择问题，该研究提出了一种新的方法，通过局部解纠缠模块自适应提取不重叠特征，并结合全局聚合模块，利用信息理论优化特征的充分性和正交性，旨在提高未见数据集的检测准确率，减少无关特征的影响。
一、研究背景
1.现有伪造检测技术极容易过拟合于局部伪造线索
2.现有伪造检测技术依赖于缺乏理论约束的深度神经网络提取伪造特征，难以保证提取到全面的伪造线索和消除无关特征。
二、研究目标
实现全面的伪造线索提取和无关特征的去除。
三、研究动机
1.现有方法倾向于关注局部少数几个与伪造相关的分类捷径，造成在未见数据集上的准确率显著下降。
2.现有方法没有理论支持，使其难以获取足够的标签相关信息和消除任务无关信息。
四、技术路线
通过提取多个不重叠的局部特征，并其融合成一个语义信息丰富的全局特征，实现最终特征的充分和纯净。
1.局部解纠缠模块：
自适应地提取多个不重叠的局部特征。
2.基于对互信息的理论分析设计局部信息损失，以保证局部特征之间的正交性和充分性。
全面性：使特征
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
