Jun, 2023

搜索伪造品：高效的神经结构搜索用于通用人脸伪造检测

PDF
TL;DR本文提出了一种基于神经架构搜索（NAS）的端到端框架，用于深度伪造检测，可自动设计网络架构，包括基于搜索空间的合适操作选择、新颖的性能评估度量、考虑跨数据集搜索并最终采用多级金字塔式连接进行伪造分类，并在数据集内和跨数据集方案中表现出竞争性能。
face forgerydeepfake detectionneural architecture searchperformance estimation metriccascaded pyramid
发现论文，激发创造
  • 利用遗传算法进行面部表情识别的神经架构搜索

    本研究提出一种基于遗传算法的编码解码机制来自动进化卷积神经网络进行面部表情识别，实验结果表明其在 CK + 和 FERG 数据集上取得了最佳结果，在 JAFFE 数据集上也有竞争力。

    Apr, 2023

  • NAS-FCOS：用于目标检测的快速神经架构搜索

    本研究使用增强学习范式，通过对特定搜索空间的精心设计和策略，高效地搜索出网络结构，提出了一种优化目标检测模型的神经网络架构搜索方法，并在四天内使用 8 V100 GPUs 在 COCO 数据集上取得比 Faster R-CNN、RetinaNet 和 FCOS 等模型更好的性能，充分展示了该方法的有效性。

    Jun, 2019

  • NAS-FCOS: 目标检测架构的高效搜索

    本研究提出了一种效率高的方法，通过针对自动定位简单无锚对象检测器的 FPN 和预测头部进行搜索，使用定制化的强化学习范式，能够在 4 天内使用 8 个 V100 GPU 找到表现最佳的检测架构，并在 COCO 数据集上超过了 Faster R-CNN，Retina-Net 和 FCOS 等现有模型，AP 提升了 1.0％至 5.4％。

    Oct, 2021

  • NAS-FAS：静态 - 动态中心差分网络搜索用于人脸反欺诈

    本文提出了第一个基于神经架构搜索的人脸防欺诈方法 NAS-FAS，并且利用静态 - 动态表征充分挖掘了 FAS 感知的时空差异，并在一个大规模的 3D 面具数据集 CASIA-SURF 3DMask 上达到了业内最先进的性能表现。

    Nov, 2020

  • 使用基于部件检测器找到面孔伪造痕迹

    本论文提出了基于深度神经网络的人脸部分的伪造检测系统，并将其应用于多个数据集中的人工伪造视频的实证分析。

    Sep, 2021

  • 通过具备数据量鲁棒性的神经架构搜索实现货物列车的高效可视故障检测

    我们提出了一种基于高效的神经架构搜索（NAS）框架，用于货车的视觉故障检测，以搜索具有多尺度表示能力的特定任务检测头，通过设计具有鲁棒性的数据容量降低搜索成本，并提出了一种新的共享策略来减少内存并进一步提高搜索效率，实验结果证明了我们方法的有效性，实现了分别 46.8 和 47.9 mAP 的 Bottom View 和 Side View 数据集，超越了现有方法，并随着数据容量的减少而线性降低了搜索成本。

    May, 2024

  • AdversarialNAS: GANs 的对抗性神经架构搜索

    本文提出了一种专为生成对抗网络（GAN）设计的 AdversarialNAS 方法，它是第一种能够同时搜索生成器和鉴别器架构的方法，并且不需要计算任何额外指标以评估搜索架构性能，该方法在 CIFAR-10 上取得了新的最优状态下的 FID 分数 10.87 和高竞争的 Inception Score 8.74，并且也在 STL-10 上取得了新的最优状态下的 FID 分数 26.98 和 Inception Score 9.63。

    Dec, 2019

  • 1000 篇论文中的神经架构搜索 Insights

    过去十年，深度学习的发展在计算机视觉、自然语言理解、语音识别和强化学习等多个领域取得了重大突破。神经架构搜索是自动化机器学习的必然发展方向，已经在很多任务上超过了最好的人类设计架构。本文概述不同的搜索空间、算法和加速技术，并介绍了基准、最佳实践、其他综述和开放源代码库。

    Jan, 2023

  • DeepFidelity：深伪造：感知伪造保真度评估用于深度假脸检测

    DeepFidelity 和 SSAAFormer 是一种新的深度伪造检测框架和网络结构，能够自适应地区分具有不同图像质量的真实和伪造人脸图像，并在多个基准数据集上展现出优势。

    Dec, 2023

  • FBNetV5：一次运行多任务神经架构搜索

    FBNetV5 是一种神经架构搜索 (NAS) 框架，旨在为多种视觉任务搜索神经结构，具有更少的计算成本和人力成本。该框架具有包容性和可转移性的简单搜索空间，可独立于目标任务的训练管道进行多任务搜索，并通过单次搜索生成的模型，在图像分类、目标检测和语义分割等三个任务中均超过之前的最新水平。

    Nov, 2021