关键词：假脸视频检测 深度网络 泛化能力 数据库划分 数据增广 

摘要：为对抗假脸视频的危害,研究者目前已经提出了多种不同的基于卷积神经网络(convolutional neural networks,CNN)的假脸视频检测器,然而这些检测器所存在的一个共同问题是库内检测通常能达到较高的准确率,但跨库检测时性能出现严重下降,即存在严重的泛化能力不足问题.该文对基于MesoInception-4、MISLnet、ShallowNetV1、Inception-v3、Xception这5种流行网络的假脸视频检测器,在现有3个假脸视频库上进行库内和跨库测试,重点分析数据库的划分方式、数据增广操作以及检测阈值选取这3个因素对假脸视频检测器泛化能力的影响.

应用科学学报杂志要求:

{1}稿件须提供详细准确的参考文献信息，包括作者姓名、著作名、出版地、出版单位、出版年，文章名、期刊名及出版时间等。

{2}学术内容：应具有真实性、科学性、导向性、实用性、创新性。

{3}每图应有图序、图题、图注和图身。图中的物理量用符号表示并注明单位。图序、图题、图注以及所用的名词、术语要与正文一致。

{4}正文行文中非汉语姓氏一律使用外文原文。

{5}请在文稿后面注明稿件联系人的姓名、工作单位、地址、电话、邮箱等信息，以便本刊编辑联系有关事宜。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社