Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 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 > 恭喜成都信息工程大学杨善敏获国家专利权

恭喜成都信息工程大学杨善敏获国家专利权

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!

龙图腾网恭喜成都信息工程大学申请的专利一种基于深度信息解耦的人脸伪造检测方法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:CN116704580B

龙图腾网通过国家知识产权局官网在2025-03-07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:202310683248.1,技术领域涉及:G06V40/16;该发明授权一种基于深度信息解耦的人脸伪造检测方法是由杨善敏;蔡爽;吴锡设计研发完成,并于2023-06-09向国家知识产权局提交的专利申请。

一种基于深度信息解耦的人脸伪造检测方法在说明书摘要公布了:本发明提出一种基于深度信息解耦的泛化性人脸伪造检测方法,首先将人脸图像输入到人脸特征提取基础网络,提取出对应的人脸表征信息,然后传递给深度信息解耦模块,深度信息解耦模块将人脸表征信息解耦为真伪判别相关信息和真伪判别无关信息,真伪判别无关信息包括人脸图像生成方法相关信息和其他信息,如人脸表情等;同时,所述深度信息解耦模块还约束所述真伪判别相关信息与真伪判别无关信息相互独立,进而提高伪造检测模型的鲁棒性和可泛化性。

本发明授权一种基于深度信息解耦的人脸伪造检测方法在权利要求书中公布了:1.一种基于深度信息解耦的人脸伪造检测方法,其特征在于,所述人脸伪造检测方法首先将人脸图像输入到人脸特征提取基础网络,提取出对应的人脸表征信息,然后传递给深度信息解耦模块,所述人脸表征信息包括人脸图像的真伪信息、人脸图像生成方法相关信息、人脸姿态、人脸表情信息;所述深度信息解耦模块将上述人脸表征信息解耦为真伪判别相关信息和真伪判别无关信息,所述真伪判别无关信息至少包括人脸图像生成方法相关信息和人脸表情信息,同时去相关模块约束所述真伪判别相关信息与真伪判别无关信息相互独立,进而提高伪造检测网络的鲁棒性和泛化性,包括:步骤1:准备人脸伪造图像数据集,并对其进行人脸检测和人脸对齐的预处理,将预处理好的人脸伪造图像数据集划分为训练集和测试集;步骤2:构建并初始化人脸伪造检测网络,所述人脸伪造检测网络包括人脸特征提取基础网络、深度信息解耦模块、真伪分类器和模态分类器,其中,人脸特征提取基础网络用于提取人脸图像表征信息,所述深度信息解耦模块包括真伪注意力网络、模态注意力网络和去相关模块;步骤3:将训练集的人脸图像X输入已初始化好的所述人脸伪造检测网络中进行训练,在输入到人脸伪造检测网络前,将人脸图像X映射到[0,1]范围,训练过程具体包括:步骤31:首先通过人脸特征提取基础网络G提取所述人脸图像X的人脸表征信息;步骤32:将所述人脸表征信息输入到所述深度信息解耦模块进行分解,对所述人脸表征信息的分解过程具体包括:步骤321:所述真伪注意力网络用于学习真伪判别相关信息,对所述人脸表征信息分析处理后输出真伪判别注意力权重,进而将所述人脸表征信息分解为真伪判别相关信息和真伪判别无关信息;步骤322:所述模态注意力网络用于从真伪判别无关信息中解耦出人脸图像生成方法模态信息j,所述模态信息j表示该人脸图像生成方法的来源;j=0表示真实图像,j0表示图像由第j种伪造方法生成得到;对所述真伪判别无关信息分析处理后输出模态注意力权重,进而从所述真伪判别无关信息中分解出人脸图像生成方法相关模态信息;步骤323:所述去相关模块用于促使所述真伪判别相关信息和真伪判别无关信息相互独立,所述去相关模块对输入的所述真伪判别相关信息和真伪判别无关信息进行分析,其去相关模块T的优化目标与真伪判别相关信息解耦目标成最大-最小对抗关系;去相关模块T的优化目标是最大化联合概率分布PIdf,Ios与边缘概率分布哈达玛积PIdfxPIos之间的JS散度,以精确地估计出真伪判别相关信息Idf与真伪判别无关信息Ios之间的相互依赖关系;真伪判别相关信息的解耦目标是最小化真伪判别相关信息Idf与真伪判别无关信息Ios之间的相互依赖关系,从而提高真伪判别相关信息Idf的鲁棒性和泛化性;步骤33:真伪人脸鉴别,将解耦出的真伪判别相关信息输入真伪分类器,鉴别出其对应的人脸图像是真实图像还是伪造图像;步骤34:人脸图像生成方法分类,即模态分类,将解耦出的模态信息输入到模态分类器中,判别出人脸图像生成方法的模态来源,即模态分类结果;模态分类器的类别数为人脸图像生成方法的不同来源数,即与模态信息j一致;步骤35:计算出真伪鉴别损失、模态分类损失以及去相关对抗损失,然后进行梯度反向传播,更新网络参数;步骤36:判断网络训练是否收敛,若是则保存网络参数并结束训练;若否则重复步骤31至36,进行下一轮训练;步骤4:训练结束后,将测试集依次输入训练好的网络进行测试,统计分析测试结果,评估检测模型的性能。

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成都信息工程大学,其通讯地址为:610200 四川省成都市西南航空港经济开发区学府路1段24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”。

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。