本发明涉及机械学习技术领域,具体涉及一种基于强化学习DQN算法的Deepfake检测方法,包括如下步骤:步骤1,采集样本数据划分为训练集S和测试集T;步骤2,将训练集S输入Q网络,将训练集S的[状态‑动作对](s
i,a
i)和Q网络输出的Q(s
i,a′
i)输入到判别器D中,获得置信度δ;用置信度δ求导更新Q网络的模型参数θ
i,得到Q网络检测模型;步骤3,测试Q网络;步骤4,将Q网络检测模型应用于Deepfake的真假判别中。本发明通过强化学习DQN算法用一组真假已知的样本来训练一个Q网络,通过强化学习DQN算法更新Q值,最终使Q网络训练成为一个能对视频或图片的真假做出判断的模型,不需要设计复杂的框架结构,泛化能力强,应用场景广泛。
声明:
“基于强化学习DQN算法的Deepfake检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)