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！

龙图腾网获悉西安交通大学申请的专利一种基于分布鲁棒性学习的人脸防伪泛化方法及相关装置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：CN119360428B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411469959.X，技术领域涉及：G06V40/16；该发明授权一种基于分布鲁棒性学习的人脸防伪泛化方法及相关装置是由毛施云;李慧斌设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于分布鲁棒性学习的人脸防伪泛化方法及相关装置在说明书摘要公布了：本发明公开了一种基于分布鲁棒性学习的人脸防伪泛化方法及相关装置，获取待检测人脸图像；将待检测人脸图像输入到人脸防伪网络模型中，人脸防伪网络模型输出人脸结果，实现人脸防伪泛化；其中，人脸防伪网络模型通过对域内分布增强模块和域间分布融合模块进行训练得到。本发明在主要条件如光照、面部外观和摄像头质量和攻击类型如新材料制成的新兴3D面具的各个维度上增强训练分布，使增强后的分布尽量覆盖部分测试分布，大大缓解分布偏移的问题，使模型能够在未知攻击类型和未知场景中具有良好的泛化能力。

本发明授权一种基于分布鲁棒性学习的人脸防伪泛化方法及相关装置在权利要求书中公布了：1.一种基于分布鲁棒性学习的人脸防伪泛化方法，其特征在于，包括以下步骤： 获取待检测人脸图像； 将待检测人脸图像输入到人脸防伪网络模型中，人脸防伪网络模型输出人脸结果，实现人脸防伪泛化； 其中，人脸防伪网络模型通过对域内分布增强模块和域间分布融合模块进行训练得到； 所述人脸防伪网络模型通过以下过程建立： 获取人脸防伪数据集，并人脸防伪对数据集采用MTCNN算法进行预处理，然后分为训练集与测试集； 对训练集中的图像进行特征提取，并计算伪标签； 基于伪标签进行面部样本的联合分布估计，得到面部样本的联合分布； 增强每个域估计的面部样本的联合分布，得到分布增强损失； 通过Kantorovich势网络将来自不同域的每对面部样本的联合分布映射到一个公共空间，使用对偶最优传输距离计算每对分布之间的对偶最优传输距离，根据每对分布之间的对偶最优传输距离，计算分布融合损失； 根据分布增强损失和分布融合损失得到人脸防伪网络模型的总损失函数； 人脸防伪网络模型的总损失函数的计算公式为： 式中，为交叉熵损失，为分布增强损失，为分布融合损失，为第一权重参数，为第二权重参数； 交叉熵损失通过下式计算： 式中，为网络参数，为样本随机变量，为域的数量，为第个域中样本的数量，为标签对应的one-hot向量，为对于第个域中的第个样本，为域的编号，为样本编号； 第个样本在第个域中的分布增强损失通过下式计算： 式中，为平衡参数，为样本标签的KL散度，为对抗样本，为三重边际损失； 所有域中所有训练样本的分布增强损失表示为： 式中，为每个样本对应生成的对抗样本的数量，为域的编号，为对抗样本的编号； 域间分布融合损失通过下式计算： 所有训练分布的分布融合损失表示为： 式中，为Kantorovich势网络，为来自第个域的样本的随机变量，为来自第个域的样本的随机变量，为均值函数，为第个域的概率分布，为第个域的概率分布，为常数； Kantorovich势网络通过优化以下目标函数进行更新： 分布融合损失具体通过以下过程计算得到：使用对偶最优传输距离计算每对分布之间的对偶最优传输距离，根据每对分布之间的对偶最优传输距离，计算分布融合损失；每对分布之间的对偶最优传输距离通过下式计算： 式中，为来自第个域的样本的随机变量，为来自第个域的样本的随机变量，为均值函数，为第个域的概率分布，为第个域的概率分布，为常数。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。