買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉齊魯工業(yè)大學(xué)(山東省科學(xué)院)申請的專利一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120412113B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202510913280.3，技術(shù)領(lǐng)域涉及：G06V40/40；該發(fā)明授權(quán)一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法是由夏之秋;伊希偉;葉偉江;王春鵬;馬賓;王玉立;任啟迎;李琦;許宏吉;孫岳岳;張倩;李健;王曉雨;張佩設(shè)計(jì)研發(fā)完成，并于2025-07-03向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法在說明書摘要公布了：本發(fā)明公開一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法，其特征在于，包括以下步驟：S1：構(gòu)造數(shù)據(jù)處理模型；S11：構(gòu)造對抗學(xué)習(xí)模塊；S12：構(gòu)造對比學(xué)習(xí)模塊；S13：構(gòu)造風(fēng)格組裝層；S14：構(gòu)造損失函數(shù)；S2：訓(xùn)練流程。本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體地講，涉及一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法。本發(fā)明要解決的技術(shù)問題是提供一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法，提出將完整的特征分離為內(nèi)容特征和風(fēng)格特征，分別進(jìn)行處理，內(nèi)容特征通過對抗學(xué)習(xí)使其在不同域之間不可區(qū)分，而風(fēng)格特征通過對比學(xué)習(xí)來強(qiáng)調(diào)與活性相關(guān)的信息，同時(shí)抑制域特定的信息。這種方法有效地提高了模型在未見過的域中的泛化能力。

本發(fā)明授權(quán)一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法在權(quán)利要求書中公布了：1.一種基于風(fēng)格混合重組的人臉反欺騙域泛化方法，其特征在于，包括以下步驟： S1：構(gòu)造數(shù)據(jù)處理模型； S11：構(gòu)造對抗學(xué)習(xí)模塊； S12：構(gòu)造對比學(xué)習(xí)模塊； S13：構(gòu)造風(fēng)格組裝層； S14：構(gòu)造損失函數(shù)； S2：訓(xùn)練流程； S21：將不同域的RGB圖像輸入進(jìn)特征生成器中，將其完整的特征表示分離為內(nèi)容特征和風(fēng)格特征，風(fēng)格特征又分為與活性相關(guān)的風(fēng)格特征和特定域相關(guān)的風(fēng)格特征； S22：內(nèi)容特征經(jīng)過抗學(xué)習(xí)模塊，輸入進(jìn)瓦瑟斯坦生成對抗網(wǎng)絡(luò)中，使得不同域的內(nèi)容特征不可區(qū)分； S23：采用對比學(xué)習(xí)的策略強(qiáng)調(diào)與活性相關(guān)的風(fēng)格特征，抑制特定域相關(guān)的特征； S24：將風(fēng)格特征輸入進(jìn)柯爾莫哥洛夫-阿諾德網(wǎng)絡(luò)中得到更完整的表示以及風(fēng)格重組層中自適應(yīng)實(shí)例規(guī)范化所需要的仿射參數(shù)及； S25：將正確的風(fēng)格特征及內(nèi)容特征進(jìn)行重組，提高數(shù)據(jù)處理模型的泛化性以及魯棒性； 所述對抗學(xué)習(xí)模塊具體為： 通過利用最大化對抗損失函數(shù)來優(yōu)化內(nèi)容特征生成器的參數(shù)，而在相反的方向上優(yōu)化特定域特征生成器的參數(shù)，并使用以下公式表示該過程： （1）； 其中：為判別器目標(biāo)； 為生成器目標(biāo)； 是對抗損失函數(shù)； 表示從數(shù)據(jù)分布（）中采樣輸入圖像，和對應(yīng)域標(biāo)簽的期望； 是輸入圖像集合，是指示函數(shù)； 為域標(biāo)簽的集合； 為不同數(shù)據(jù)域的數(shù)量； 為內(nèi)容特征生成器； 為域特征生成器； 為了同時(shí)優(yōu)化內(nèi)容特征生成器及域特征生成器，瓦瑟斯坦生成對抗網(wǎng)絡(luò)用于通過使用瓦瑟斯坦距離，衡量生成分布與真實(shí)分布之間的差異，提供更平滑的梯度，使得內(nèi)容特征在不同域之間保持內(nèi)容特征一致性； 對于風(fēng)格信息聚合，由于風(fēng)格特征的尺度不同，使用金字塔網(wǎng)絡(luò)沿著層次結(jié)構(gòu)收集多層度特征； 所述對比學(xué)習(xí)模塊具體為： 結(jié)合內(nèi)容特征及風(fēng)格特征，得到自組裝特征及混洗-組裝特征； 給定長度為的輸入序列，表示為輸入的第個(gè)樣本，其中，代表隨機(jī)選擇的樣本索引，就是隨機(jī)樣本； 對于自組裝特征，將其輸入到分類器，并使用具有損失函數(shù)的二進(jìn)制地面實(shí)況信號(hào)真實(shí)值用來監(jiān)督； 對于混洗-組裝特征，通過使用余弦相似性來度量它們與自組裝特征的差異，余弦相似性計(jì)算公式如下所示： （2）； 其中：代表范式； 和表示兩個(gè)比較的特征； 將自組裝特征設(shè)置為風(fēng)格化特征空間的錨點(diǎn)，對其執(zhí)行梯度停止操作，以固定其在特征空間的位置，然后根據(jù)活性信息引導(dǎo)混洗-組裝特征向其對應(yīng)的錨點(diǎn)靠近或者遠(yuǎn)離，因此對比損失函數(shù)表示如下： （3）； 其中：代表自組裝特征； 代表混洗-組裝特征； Stopgrad（）是深度學(xué)習(xí)框架中的一種操作； 表示給定的一段樣本序列的長度； 評(píng)估和的活性標(biāo)簽一致性，模擬過程如下所示： （4）； 其中：label表示輸入樣本的二分類標(biāo)簽用于區(qū)分活體和攻擊兩類樣本。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人齊魯工業(yè)大學(xué)(山東省科學(xué)院)，其通訊地址為：250300 山東省濟(jì)南市長清區(qū)大學(xué)路3501號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。