基于推理模式评估深伪图像检测模型泛化性方法及装置与流程

技术特征：
1.一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，具体包括如下步骤：s1、给定评测数据集与待评测的深伪检测模型；所述评测数据集中包含若干个样本图像；s2、选择一个样本图像，在样本图像上划分若干个固定大小的区域，每个区域作为一个推理单元；s3、在步骤s2的所有推理单元中，随机选择两个推理单元作为前景推理单元；s4、在经过步骤s3选择后剩余的推理单元中，随机选择若干个推理单元构成背景推理单元；s5、将未被步骤s3和步骤s4选择的推理单元作为基础推理单元；将基础推理单元的值修改为基准值；s6、通过前景推理单元、背景推理单元和基础推理单元组成推理模式；其中背景推理单元和基础推理单元共同组成推理模式的推理背景；s7、将推理模式输入到推理模式得分计算函数中，输出该推理模式对应的得分；s8、迭代步骤s3至步骤s7；计算该样本图像的平均得分；s9、遍历所有样本，计算评测数据集的平均得分，输出泛化性量化评测结果。2.如权利要求1所述的一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，步骤s1中样本图像的分辨率为224
×
224，样本图像的长和宽均为224。3.如权利要求1所述的一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，步骤s2具体包括如下子步骤：s21、设定推理单元的大小；s22、从左往右，从下而下，依次在样本上划分若干个大小与推理单元相同的区域，每个区域作为一个推理单元。4.如权利要求3所述的一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，步骤s21中推理单元的长和宽为14
×
14。5.如权利要求1所述的一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，步骤s3中，作为前景推理单元的两个推理单元之间的距离不大于3个推理单元。6.如权利要求1所述的一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，步骤s5中基准值为所有推理单元的平均值。7.如权利要求1所述的一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，步骤s8中迭代的次数大于等于100次。8.如权利要求1所述的一种基于推理模式评估深伪图像检测模型泛化性方法，其特征在于，步骤s8中迭代的次数为100次。9.一种基于推理模式评估深伪图像检测模型泛化性装置，其特征在于：包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1-8任一项所述的一种基于推理模式评估深伪图像检测模型泛化性方法。10.一种计算机可读存储介质，其特征在于：其上存储有程序，该程序被处理器执行时，实现权利要求1-8任一项所述的一种基于推理模式评估深伪图像检测模型泛化性方法。

技术总结
本发明涉及基于推理模式评估深伪图像检测模型泛化性方法及装置，属于深度学习可解释性应用技术领域；本方法可作为传统评估方法的一种补充，弥补传统方法仅依靠准确率下降率评估泛化性的片面性。本方法基于推理模式提出一种新的泛化性量化方法，从语义层面量化深伪图像检测模型建模的推理模式的复杂度。通过计算复杂度，能够精确的评估深伪图像检测模型的泛化性。本量化方法输出值越大，表示泛化性越强，反之表示泛化性越弱。反之表示泛化性越弱。反之表示泛化性越弱。


技术研发人员：李超 姚柯璐
受保护的技术使用者：之江实验室
技术研发日：2022.11.09
技术公布日：2022/12/9