买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉绵阳师范学院申请的专利一种多类别图像伪造检测方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119920017B 。

龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510398665.0，技术领域涉及：G06V40/40；该发明授权一种多类别图像伪造检测方法、装置、设备及介质是由陈林宇;徐超;何静;王甫;李敏;佘明洪;胡曦鲲;龚思宇;袁甜甜设计研发完成，并于2025-04-01向国家知识产权局提交的专利申请。

本一种多类别图像伪造检测方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种多类别图像伪造检测方法、装置、设备及介质，涉及图像处理技术领域，该方法可以实现真实人脸、伪造人脸、真实动漫人脸、伪造动漫人脸、真实素描人脸和伪造素描人脸的识别。多分支网络通过整合EfficientNet、ResNet和DenseNet等预训练模型的特性，结合特征融合注意力层，显著提升了对复杂类别图像的分类能力。为了构建高质量的伪造素描数据集，并实现了基于CycleGAN的伪造图像生成框架，利用对抗损失、循环一致性损失和感知损失等优化生成效果，增强了数据集的多样性与鲁棒性。实验结果表明，所提出的模型在多类别分类任务中表现出卓越的性能，平均准确率和F1分数分别达到98.12%，在真实与伪造图像的分类中均表现出优异的泛化能力。

本发明授权一种多类别图像伪造检测方法、装置、设备及介质在权利要求书中公布了：1.一种多类别图像伪造检测方法，其特征在于，包括： 获取待检测人脸图像； 利用数据预处理网络捕捉所述待检测人脸图像的纹理以及边缘信息生成重构人脸图像；所述数据预处理网络至少包括二维离散小波变换模块以及边缘检测算法，所述边缘检测算法用于在确定所述待检测人脸图像为素描人脸图像后，对所述素描人脸图像的边缘进行增强，以便利用所述二维离散小波变换模块捕捉所述素描人脸图像的纹理以及边缘信息生成所述重构人脸图像；所述二维离散小波变换模块用于将所述待检测人脸图像分解为低频近似分量以及三个高频细节分量；并通过逆小波变换将分解后的所述低频近似分量以及三个所述高频细节分量重构回原始图像，以便获得所述重构人脸图像； 利用特征提取网络的融合多分支模块对所述重构人脸图像进行特征提取，并通过所述特征提取网络的特征融合注意力模块将所述融合多分支模块的各个分支提取到的特征进行融合获得融合特征；所述融合多分支模块包括彼此独立的模型、模型以及模型； 利用分类网络的全连接层将所述融合特征映射到中间特征空间，并利用所述分类网络的层生成所述待检测人脸图像所属类别的概率分布，所述类别包括真实人脸图像、伪造人脸图像、真实动漫人脸图像、伪造动漫人脸图像、真实素描人脸图像、伪造素描人脸图像中的任意一种； 其中，所述模型包括全连接层以及Dropout层用以增强泛化能力； 所述模型包括结构、改进后的全连接层以及三层卷积层，所述改进后的全连接层包括非线性激活函数以及层； 所述模型包括改进后的分类器，所述改进后的分类器用于使所述模型输出的特征与所述模型以及所述模型输出的特征对齐； 所述特征融合注意力模块通过非线性变换和注意力机制对特征进行融合与优化获得所述融合特征；所述特征融合注意力模块用于执行以下操作： 将所述融合多分支模块的各个分支提取到的特征按通道维度进行拼接，得到联合特征向量； 将所述联合特征向量通过全连接层和激活函数进行非线性变换； 利用另一全连接层进一步缩减维度，输出最终的分类结果； 所述特征融合注意力模块的融合过程由下式表示： 式中：表示模型输出特征向量，表示模型输出特征向量、表示模型输出特征向量,表示用于连接两个或多个数组的函数，表示注意力机制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人绵阳师范学院，其通讯地址为：621000 四川省绵阳市高新区绵兴西路166号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。