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！

龙图腾网恭喜南昌大学申请的专利一种基于双阶段学习的深度伪造图像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：CN119006932B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411463290.3，技术领域涉及：G06V10/764；该发明授权一种基于双阶段学习的深度伪造图像检测方法是由朱小刚;林波;张月;丁峰;徐健锋;涂敏设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种基于双阶段学习的深度伪造图像检测方法在说明书摘要公布了：本发明提供了一种基于双阶段学习的深度伪造图像检测方法，涉及图像处理技术领域，该方法包括以下步骤：S1、获取第一真假图像对的第一全局特征，基于所述第一全局特征获取第一通用伪造特征信息，基于所述第一通用伪造特征信息检测图像并更新所述初始检测模型的参数；S2、获取第二真假图像对的第二全局特征，基于所述第二全局特征获取第二通用伪造特征信息、特定伪造方法、性别以及种族，计算特征分类损失，基于所述特征分类损失更新检测模型的参数。本发明提供的基于双阶段学习的深度伪造图像检测方法，能够有效的检测深度伪造图像，并提高对于未知深度伪造图像技术的检测成功率。

本发明授权一种基于双阶段学习的深度伪造图像检测方法在权利要求书中公布了：1.一种基于双阶段学习的深度伪造图像检测方法，其特征在于，包括以下步骤：将第一真假图像对输入初始检测模型，基于编码器获取所述第一真假图像对的第一全局特征，基于所述第一全局特征获取第一通用伪造特征信息，基于第一通用伪造特征分类头处理所述第一通用伪造特征信息获得第一检测结果，并计算所述第一检测结果和所述第一真假图像对的真假标签的二元交叉熵损失，基于所述二元交叉熵损失更新所述初始检测模型的参数获得解纠缠伪造图像检测模型；所述初始检测模型的参数包括第一通用伪装特征提取器的参数和第一通用伪造特征分类头的参数；将第二真假图像对输入所述解纠缠伪造图像检测模型，基于编码器获取所述第二真假图像对的第二全局特征，基于所述第二全局特征获取第二通用伪造特征信息、特定伪造方法、性别以及种族，计算所述第二通用伪造特征信息、特定伪造方法、性别以及种族的特征分类损失，所述第二通用伪造特征信息、性别的特征分类损失使用二元交叉熵损失计算，所述特定伪造方法、种族的特征分类损失使用多分类交叉熵损失计算；基于所述特征分类损失计算隐空间对比损失，基于所述隐空间对比损失更新所述解纠缠伪造图像检测模型的参数；所述计算隐空间对比损失的公式如下： ；其中，为隐空间对比损失，为模型学习率，分别为通用伪造特征损失、性别特征损失、特定伪造方法特征损失、种族特征损失，、分别为以真图像作为锚点和以假图像作为锚点计算的对比损失。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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”。