（二）检测GAN生成的伪造人脸（Learning to Detect Fake Face Images in the Wild）2019_基于gan伪影深度伪造检测

（二）检测GAN生成的伪造人脸（Learning to Detect Fake Face Images in the Wild）2019

paper：Learning to Detect Fake Face images in the wild

code：Fake-Face-Images-Detection-Tensorflow

GAN可以用于生成真实图片，不正确的使用带来应还。GaN可以被用来为特定的人和不适当的事件生成被篡改的视频，产生对特定人有害的图像，甚至可能影响到个人的安全。本文提出一种深度伪造鉴别器(Deepfd)(deep forgery discriminator)，以高效、有效地检测计算机生成的图像。直接学习二进制位分类器是比较困难的，因为很难找到用于判断来自不同GANS的假图像的常见鉴别特征。我们采用对比损失的方法（contrastive loss）来寻找由不同的gans生成的合成图像的典型特征，然后再级联一个分类器（concatenating a classification）来检测计算机生成的图片。实验表明Deepfd成功地检测到94.7%的假图像是由几个最先进的Gans产生的.

Section 1：introduction

  GANs的渐进式生长（PGGAN）证明了真实感和高分辨率人脸图像的合成是容易的，可图像以用于在facebook上生成假的账户欺骗。需要有效的图像伪造检测技术。解决图像伪造检测传统方法有两大类：