Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京联合大学刘宏哲获国家专利权

北京联合大学刘宏哲获国家专利权

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!

龙图腾网获悉北京联合大学申请的专利伪造人脸检测方法和装置、系统、存储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:CN120032408B

龙图腾网通过国家知识产权局官网在2026-01-27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:202411986416.5,技术领域涉及:G06V40/16;该发明授权伪造人脸检测方法和装置、系统、存储介质是由刘宏哲;徐成;杜煜;徐冰心;代松银;潘卫国;李鑫设计研发完成,并于2024-12-31向国家知识产权局提交的专利申请。

伪造人脸检测方法和装置、系统、存储介质在说明书摘要公布了:本发明公开一种伪造人脸检测方法和装置、系统、存储介质,包括:获取人脸伪造公开数据集;利用分块随机掩码操作得到增强后的人脸图片;将增强后的人脸图片输入YOLOv8骨干网络,经过P1‑P5阶段的学习完成初步的人脸图像特征理解;通过域不变特征学习模块分别学习全局可泛化特征和局部关键特征;将得到的特征进行融合,并输入目标网络的分类头;利用二元交叉熵损失函数对网络参数权重进行更新优化,得到训练的模型权重;将训练好的的模型权重在多个公开数据集上进行验证;利用训练好的模型进行推理,实现对深度伪造人脸图片的真假判断。采用本发明的技术方案,实现更加精准,泛化性更强的人脸伪造检测性能。

本发明授权伪造人脸检测方法和装置、系统、存储介质在权利要求书中公布了:1.一种伪造人脸检测方法,其特征在于,包括: 获取人脸伪造公开数据集; 根据人脸伪造公开数据集,利用分块随机掩码操作得到增强后的人脸图片; 将增强后的人脸图片输入YOLOv8骨干网络,经过P1-P5阶段的学习完成初步的人脸图像特征理解; 通过域不变特征学习模块学习全局可泛化特征和局部关键特征; 将得到的特征进行融合,并输入目标网络的分类头; 利用二元交叉熵损失函数对网络参数权重进行更新优化,得到训练的模型权重; 将训练好的的模型权重在多个公开数据集上进行验证; 利用训练好的模型进行推理,实现对深度伪造人脸图片的真假判断; 域不变特征学习模块由全局泛化特征学习模块和局部关键特征学习模块并列组成;其中,全局泛化特征学习模块通过扰动人脸图像的低频部分增强模型对高频部分的学习,局部关键特征学习模块通过个固有码书的编码映射强调伪造样本中的不易察觉的关键类别特征; 进一步,通过域不变特征学习模块学习全局可泛化特征,具体为: 对于x∈RH×W×D,将其沿空间尺寸执行DCT将x转换为频域, X=D[x]∈CH×W×D 其中,D[·]表示DCT变换;X是一个复数张量,表示x的频域空间; 对于给定的一批样本分别提取图像中的低频空间和高频空间根据DCT的特性,提取的低频部分位于图像的左上角区域; 将得到的低频部分进行高斯分布建模,即: 其中,∑2的大小反应了对应元素在潜在领域偏移中的变化幅度;对低频谱中的每个元素,从估计的高斯分布中重采样得到其新的像素值: 其中,ε∈[0,1]代表扰动的强度; 将扰动后的低频部分和原始的高频部分组合成完整的新频域,并进一步将其与一个全局滤波器Q∈CH×W×C进行点乘操作: 随后通过DCT逆变换映射回空间域中,并进行归一化,传入一组多层感知机中, 经过低频扰动的特征与原始特征进行残差操作,完成全局可泛化特征学习,即, 进一步,通过域不变特征学习模块分别学习局部关键特征,具体为: 使用一组卷积对输入特征Xin进行编码,编码特征利用CBR块进一步处理,CBR块由具有BN层的3×3卷积和ReLU激活函数组成;将处理后的编码的特征输入到Codebook中,并使用一组可学习的比例因子与其相结合;使用一组比例因子c按照顺序地使和bm映射相应的位置信息;整个图像中关于第m个码字的信息通过以下方式计算: 其中,是第i个像素点,bm是第m个可学习的视觉码字,cm是第m种比例因子,是关于相对于码字的每个像素位置的信息,M是视觉中心的总数,使用f来计算具有M个码字的完整图像信息: 其中,f为包含ReLu层和平均层的BN层,将使用Codebook映射后的完整特征送入一个完全连接层和一个1×1卷积层来预测突出的关键类特征,并将输入特征Xin与比例因子系数处理的局部角区域特征进行通道乘法: 其中,为通道乘法,w·为Sigmoid激活函数,Conv1×1·为1×1的卷积操作; 将输入特征Xin与局部特征Xl进行逐通道相加,得到最终的局部关键特征XLCFL: 其中,为通道级加法。

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北京联合大学,其通讯地址为:100101 北京市朝阳区北四环东路97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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。