LightInceptionNet : 高精度で軽量なDeepfake検出技術の開発

• Item type: Symposium(1)
• 公開日: 2022-10-17
• タイトル: LightInceptionNet : 高精度で軽量なDeepfake検出技術の開発
• タイトル / 言語: en
• タイトル: LightInceptionNet : Development of Accurate and Lightweight Deepfake Detection Scheme
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: Deepfake，検出，画像認識，深層学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 早稲田大学
• 著者所属: 早稲田大学
• 著者所属: 早稲田大学／NICT／理研AIP
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者所属(英): en
• 著者所属(英): Waseda University
• 著者所属(英): en
• 著者所属(英): Waseda University / NICT / RIKEN AIP
• 著者名: 利川, 悠斗; 飯島, 涼; 森, 達哉
• 著者名(英): Yuto, Toshikawa; Ryo, Iijima; Tatsuya, Mori
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究は，Deepfake を高精度に検出可能かつ軽量な検出モデルの開発を目的とする．具体的には，画像認識用アーキテクチャである InceptionNet を軽量化した LightInceptionNet を提案し，LightInceptionNet を用いた Deepfake 検知モデルを作成する．LightInceptionNet の中心となるアイディアは，パラメータ数の削減が可能な畳み込み層 (SeparableConv2D) を導入することであり，精度を保ちつつパラメータ数を削減できる．Celeb-DF データセットを用いた性能評価の結果，テスト精度 (Accuracy) が 88.46%，テスト AUC Score が 93.82% を達成し，既存の SoTA 実装と比較して高精度に Deepfake を検出可能である．また，顔部分抽出の前処理の導入により，学習時間を 22.46% 削減した．本検知手法により，Deepfake を悪用した社会問題を防止する効果が期待できる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The goal of this work is to develop a lightweight detection model that can detect deepfakes with high accuracy. We propose LightInceptionNet --- a lightweight version of InceptionNet, which is an architecture for image recognition. We build a deepfake detection model using the LightInceptionNet. The core idea of LightInceptionNet is to introduce a convolutional layer (SeparableConv2D) that can reduce the number of parameters while maintaining accuracy. Our performance evaluation using the Celeb-DF dataset demonstrates that the test accuracy is 88.46% and the test AUC score is 93.82%. In addition, the introduction of preprocessing for facial extraction reduced the learning time by 22.46%. This detection method can be expected to prevent social problems that abuse Deepfake.
• 書誌情報: コンピュータセキュリティシンポジウム2022論文集; p. 105-112, 発行日 2022-10-17
• 出版者 / 言語: ja
• 出版者: 情報処理学会