基于深度卷积神经网络检测计算机生成图像

用于图像生成的计算机图形学技术正处于一个日新月异的时代，所生成内容的质量日益令最持怀疑态度的观众都为之赞叹。尽管这对于游戏和电影等行业是一项重大进步，但当此类技术被应用于制作虚假图像时，便可能演变成一个严重的问题。在本文中，我们提出了一种基于 ResNet-50 和迁移学习概念的深度卷积神经网络模型，用于检测计算机生成图像的新方法。与现有的最先进方法不同，所提出的方法能够直接从原始图像数据中将图像分类为计算机生成或真实拍摄，完全无需任何预处理或手工特征提取。在一个包含 9700 张图像的公开数据集上进行的实验表明，其准确率超过 94%，与文献报道的结果相当，且避免了繁琐且需人工操作的专门特征提取和选择步骤的缺点。