CN114612679B 一种多模态数据融合神经网络的虚假新闻图像检测方法 （郑州大学）_第1页
CN114612679B 一种多模态数据融合神经网络的虚假新闻图像检测方法 （郑州大学）_第2页
CN114612679B 一种多模态数据融合神经网络的虚假新闻图像检测方法 （郑州大学）_第3页
CN114612679B 一种多模态数据融合神经网络的虚假新闻图像检测方法 （郑州大学）_第4页
CN114612679B 一种多模态数据融合神经网络的虚假新闻图像检测方法 （郑州大学）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种多模态数据融合神经网络的虚假新闻一种多模态数据融合神经网络的虚假新闻图像矩阵，再利用SoftMax函数获得真假图像的目标成模块结合图像的物理特征和图像的视觉模态预测结果，再使用XGBoost对最终的虚假新闻图2所述视觉特征融合模块，首先将特征串联起来，对提取的特征用于结合图像的物理特征和图像的视觉模态预测结果，进而再使用XGBoost对最终的虚假2.根据权利要求1所述的一种多模态数据融合神经网络的虚假新闻图像检测方法，其3.根据权利要求1所述的一种多模态数据融合神经网络的虚假新闻图像检测方法，其4.根据权利要求1所述的一种多模态数据融合神经网络的虚假新闻图像检测方法，其5.根据权利要求1所述的一种多模态数据融合神经网络的虚假新闻图像检测方法，其6.根据权利要求1所述的一种多模态数据融合神经网络的虚假新闻图像检测方法，其特征在于：所述误差水平分析(ELA)算法使用预先训练的残差网络(ResNet50)来提取特征7.根据权利要求1所述的一种多模态数据融合神经网络的虚假新闻图像检测方法，其别进行离散余弦变换(DCT)，最终进行结合后对图像进行傅里叶变换得到频率的特征表示3[0003]现有的虚假新闻图像的检测方式一般通过人工进行检测，人工检测不仅效率低像的物理特征和图像的视觉模态预测结果，进而再使用XGBoost对最终的虚假新闻图像进行识别。[0010]作为本发明的一种优选技术方案，所述物理特征模块用4[0013]作为本发明的一种优选技术方案，所述误差水平分析(ELA)算法使用预先训练的残差网络(ResNet50)来提取特征并相应地获得被再利用SoftMax函数获得真假图像的目标空间的概率分布，接下来通过物理特征模块对图模态预测结果进而再使用XGBoost对最终的虚假新闻图像进行识别，尽量避免了现有的虚5合用于将图片的特征串联，主成分分析用于对图片特征进行矩阵计算和特征值分解，[0031]可选的，误差水平分析(ELA)算法使用预先训练的残差网络(ResNet50)来提取特分别进行离散余弦变换(DCT)，最终进行结合后对图像进行傅里叶变换得到频率的特征表[0033]在该对于虚假新闻图像检测的方法中的视觉模态模块对于虚假新闻图像的检测要思想是图像的被篡改区域在经过固定质量的压缩后与原始图像的被篡改区域显著不同，[0039]其中是从预先训练的ResNet50网络获得的视觉特征6[0044]在该对于虚假新闻图像检测的方法中的视觉特征融合模块对虚假新闻的图像检pp[0060]为了得到Fp输入图像的高级表示，利用SoftMax激活的全连通层将矢量投影到虚7[0066]在集成学习模块中，我们结合图像的物理特征和图像的视觉模态预测结果Fa=觉模态预测结果进而再使用XGBoost对

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论