【DCL】Dual Contrastive Learning for General Face Forgery Detection

于 2024-09-11 22:22:24 发布
阅读量37 收藏
点赞数
分类专栏： 论文阅读笔记 Deepfake 文章标签： 神经网络 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_39223177/article/details/142024418
版权

文章目录

Dual Contrastive Learning for General Face Forgery Detection

会议：AAAI 2022
作者：
在这里插入图片描述
code：https://github.com/Tencent/TFace.git

key points:

以前聚焦——人脸伪造检测——基于交叉熵损失的分类问题【强调类别水平的差异，而不是真假人脸之间的本质差异，限制了模型在未知领域的泛化】

本文提出了一种新的人脸伪造检测框架，称为双重对比学习(Dual contrast Learning, DCL)，该框架专门构建正、负成对数据，并在不同粒度上进行设计对比学习，以学习广义特征表示

首次提出了实例间对比学习(Inter-ICL)，结合硬样本选择策略，通过构建

了解本专栏 订阅专栏 解锁全文 超级会员免费看
jessIoss
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
利用双对比学习模型DCL鉴别视频中伪造的面部
cvanlijingxuan的博客
01-24 2798
作者提出了一个双对比学习模型，通过在一定程度上增加伪造面部的不一致性提升了模型的泛化能力。
【论文解读】Dual Contrastive Learning：Text Classification via Label-Aware Data Augmentation
炼丹笔记
08-23 1万+
北航出了一篇比较有意思的文章，使用标签感知的数据增强方式，将对比学习放置在有监督的环境中 ，下游任务为多类文本分类，在低资源环境中进行实验取得了不错的效果
[WWW24]自监督推荐论文RecDCL: Dual Contrastive Learning for Recommendation简介
Blueghost19的博客
06-16 1184
自监督推荐（Self-supervised recommendation，SSR）在协同过滤任务中展示了巨大的成功。其中一个重要分支——对比学习（contrastive learning，CL）通过对比原始数据和增强数据的嵌入来缓解推荐的数据稀疏问题。然后，现有的基于CL的SSR方法大多数直观一个batch的对比，而没有探索特征维度的潜在规律。此外，在推荐场景，还没有工作考虑过基于batch的对比（BCL）和基于特征的对比（FCL）。因此，本文提出了用于推荐的双对比方法，简称为RecDCL。
《Decoupled Contrastive Learning for Long-Tailed Recognition》阅读笔记
AncilunKiang的博客
05-07 1104
监督对比损失（Supervised Contrastive Loss, SCL）监督对比损失在视觉表征学习中非常流行。给定一个锚定图像，SCL 会将两种正样本（即其增强版本和来自同一类的其他图像）拉在一起，同时将负样本推开以优化学习到的嵌入。SCL 在长尾识别中的局限性在长尾识别的场景中，每个类的样本数量不平衡，将两种正样本平等对待会导致对类内距离的偏向优化。此外，被 SCL 忽略的负样本之间的相似性关系也呈现出有意义的语义线索。为了提高长尾识别的性能，本文通过解耦训练。
NIPS2020——Debiased Contrastive Learning 详细解读
qq_40680309的博客
05-03 2472
论文及补充材料链接 ：Debiased Contrastive Learning 代码：https://github.com/chingyaoc/DCL 摘要： 自监督表示学习的一个突出技术是对比语义上相似和不同的样本对。在没有访问标签的情况下，不同的（负的）点通常被认为是随机抽样的数据点，隐含地接受这些点实际上可能具有相同的标签。也许并不令人意外，我们观察到，在有标签的合成设置中，从真正不同的标签中采样负的例子可以提高性能。基于这一观察结果，我们开发了一个去偏对比目标，以校正相同标签数据点...
（DCL）Dynamic Curriculum Learning for Imbalanced Data Classification
A20120942的博客
04-26 1628
Dynamic Curriculum Learning for Imbalanced Data Classification 动态课程学习用于样本不均衡分类 对于数据不平衡，可以用重采样和代价平衡（cost-sensitive），但它们需要先验知识。为了解决这一问题，本文提出DCL框架，用于每个batch中在线自适应调节采样策略和损失学习，其泛化性能和判别能力更强。受CL启发，DCL由两级课程...
MySQL DCL数据控制语言
Java 技术专栏，从入门到精通，熟悉企业级开发
04-20 1万+
此为MySQL 专栏文章之一，讲解DCL通用语法。MySQL 通用语法分类● DCL: 数据控制语言，用来创建数据库用户、控制数据库的控制权限。
【数据库】DDL、DML、DCL简介
热门推荐
书山有路，学海无涯。记录成长，追逐梦想
08-20 1万+
DDL 是数据定义语言的缩写，简单来说，就是对数据库内部的对象进行创建、删除、修改的操作语言。它和 DML 语言的最大区别是 DML 只是对表内部数据的操作，而不涉及到表的定义、结构的修改，更不会涉及到其他对象。 DDL 语句更多的被数据库管理员（DBA）所使用，一般的开发人员很少使用。
contrastive learning medical image segmentation
qq_44996943的博客
03-30 565
模型图中的PE,PCL,CCL模块。模型图中的CIP模块。
Fine-grained Detection —— DCL
qq_39430450的博客
02-20 1137
Fine-grained Detection —— DCL（2022.02.18）1. Region Confusion Mechanism2. Region Alignment Network3. My Thinking3.1. RCM部分3.2. RAN部分4. My Summary 文章：Destruction and Construction Learning for Fine-grained Image Recognition 简称DCL，包含2个部分内容，RCM、判别器和RAN模块可以完全去掉，
DCL对话框自学教程_dcl_grabbedjpr_autocad_
09-30
在AutoCAD的二次开发中，DCL（Dialog Create Language）对话框是不可或缺的一部分，它允许用户自定义界面，提高工作效率，增强软件的用户友好性。本自学教程将深入探讨DCL对话框的创建、使用以及与AutoLISP或Visual ...
dcl对话框基础.rar_DCL对话框_dcl_dcl对话框基础
09-24
**DCL对话框基础** DCL（Dialog Control Language）对话框是AutoCAD中的一种用户界面元素，用于创建自定义的交互式窗口，使用户能够更方便地输入数据、选择选项或执行特定操作。对话框在现代软件开发中扮演着至关...
【CASS精品教程】023：打开cass提示base.dcl未找到文件的解决办法
「 刘一哥与GIS的故事」
11-15 970
打开cass 7.1时提示的解决办法。系统上安装了cad2006+cass7.1，cass软件可以正常打开，但是在使用屏幕菜单绘制地图时，选择一个工具，提示base.dcl未找到文件，导致工具无法使用，如下图所示：
神经网络的非线性激活
Mr_Happy_Li的博客
09-11 280
神经网络的非线性激活函数的主要作用是引入非线性变换，从而使网络能够学习和逼近复杂的函数关系。在神经网络中，线性变换（如矩阵乘法）能够将输入数据映射到不同的空间，但是如果仅使用线性变换，网络无法学习到数据的复杂模式或非线性关系。加入非线性激活函数后，网络能够通过层叠多个非线性层，学习复杂的函数映射，从而提高模型的表达能力。当为False时，Input的值不会发生改变，而是用了一个新的Output的值来继承这个-1。当值是True时，-1会像上面nn.ReLU内容中会折算成0，但是输出的地方就会有所不同。
微型神经网络如何表示基本函数
国内外主流AI大模型的整合，用户可以在不同大模型上实现无缝操作，提升整体效率
09-11 714
本文展示了小型人工神经网络（NN）如何表示基本函数。目标是为读者提供关于NN工作原理的基础直觉，并作为对机制可解释性的温和介绍，这是一个试图逆向工程神经网络的领域。我提供了三个基本函数的例子，使用简单的算法描述每个例子，并展示如何将算法“编码”到神经网络的权重中。然后，我会探讨网络是否可以通过反向传播学习这些算法。我鼓励读者将每个例子当作一个谜语，在阅读解决方案前先思考一下。本文尝试将神经网络分解为离散操作，并将其描述为算法。另一种或许更为常见和自然的方法是查看不同层中的线性变换的连续拓扑解释。
神经网络通俗理解学习笔记（1）
applewld的博客
09-11 351
是sigmoid函数的改进版，输出值压缩到（-1，1），输出以0为中心，更快的收敛速度，适用于多分类，输入值较大的时候也容易导致梯度消失。由于直接全部拿去训练内存吃不消，所以批量进行训练，训练集需要设置shuffle为true，消除顺序影响，提升泛化能力。隐藏层层数和维度多了容易过拟合，少了模型比较弱，隐藏层层数和维度2个指标需要综合考量，都是重要的超参数。输出值压缩到（0，1），常用于二分类问题，其他一般不用，容易导致梯度消失问题。目的是找到这些参数的偏导数，然后以此为依据更新模型参数。
【深度学习】神经网络-怎么分清DNN、CNN、RNN？
木亦汐丫
09-11 871
最“大”的概念是人工神经网络（Artificial Neural Network, ANN），它是较为广泛的术语，通常指的是一类模拟生物神经网络的数学模型，其中包括神经元、权重和连接。在这个术语下，可以包括深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）等不同类型的网络。
如何理解深度学习的训练过程
qq_61033357的博客
09-11 126
这是模型在训练过程中通过数据自动学习的参数，主要是卷积层的权重和偏置。比如卷积核内部的权重（Conv2d中的weights和bias）会随着训练数据的输入和误差的反馈不断更新。以yolov5为例子，训练的目的是把一组输入猫狗图像放到神经网络中，得到一个输出模型，这个模型下次可以直接用来识别哪个是猫，哪个是狗。这些参数是在反向传播过程中由优化器（如Adam、SGD等）自动调整的，目的是使模型更好地拟合训练数据。步长（stride）：决定卷积操作在输入特征图上的移动幅度，影响输出的特征图大小。
基于深度学习的零售柜商品识别系统实战思路
最新发布
a871923942的博客
09-11 701
YOLOv5是YOLO算法的一个实现版本，它在速度和准确性之间取得了很好的平衡。现在我们的数据已经准备好了，是时候训练我们的模型了。为了训练模型，我们需要为每张图像创建一个对应的标签文件，指明图像中物体的位置和类别。这段代码添加了一个新的标签来显示视频流，一个按钮来开始/停止实时识别，以及相应的方法来捕获和处理视频帧。这段代码创建了一个基本的窗口，包含一个图像显示区域、一个上传按钮、一个识别按钮和一个结果显示标签。为了提高系统的响应性，特别是在处理大图像或视频流时，我们可以使用多线程来进行识别。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值