We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
您好,我搜索到您是中国人,所以我用汉语提问了。 我用您提供的代码test了我的数据集,我用的pretrained_model是ffpp_c23.pth,准确率是78%,我用deepfake_c0_xception.pkl,准确率是73%。这是最高的准确率了。 我尝试冻结模型的前十个block,在deepfake_c0_xception.pkl上继续训练,训练集达到了1.但是测试集是20%多,我也尝试了重新训练,依然是训练集准确率1,测试集准确率很低。 我的训练集是146个真实视频和146个伪造视频(我自己的伪造方法)的取帧操作得到的各29万张图片(检测人脸等操作后), 我的测试集是我用伪造方法又伪造的新视频。 请问您能帮助我吗?给我一个可行的改进方案可以吗
The text was updated successfully, but these errors were encountered:
另外补充一下,就是我发现根据您提供的pretrained在test时,对于伪造视频的检测精度很高,但是对于真实的视频,就很容易错误的将其认为是伪造视频,标为fake(以上结论来源于数据集FF++,而非我自己构建的数据集)
Sorry, something went wrong.
你好,根据你的研究方向,看来我们是同行,能方便联系一下吗?(qq:1527627944)
作者,你好,解决伪造精度高的问题有改进的方法了吗
No branches or pull requests
您好,我搜索到您是中国人,所以我用汉语提问了。
我用您提供的代码test了我的数据集,我用的pretrained_model是ffpp_c23.pth,准确率是78%,我用deepfake_c0_xception.pkl,准确率是73%。这是最高的准确率了。
我尝试冻结模型的前十个block,在deepfake_c0_xception.pkl上继续训练,训练集达到了1.但是测试集是20%多,我也尝试了重新训练,依然是训练集准确率1,测试集准确率很低。
我的训练集是146个真实视频和146个伪造视频(我自己的伪造方法)的取帧操作得到的各29万张图片(检测人脸等操作后),
我的测试集是我用伪造方法又伪造的新视频。
请问您能帮助我吗?给我一个可行的改进方案可以吗
The text was updated successfully, but these errors were encountered: