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！專利年費監(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)申請的專利用于可推廣深度偽造檢測的雙分支感知CLIP取證方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120451587B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-16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)?專利號為：202510936288.1，技術(shù)領(lǐng)域涉及：G06V10/44；該發(fā)明授權(quán)用于可推廣深度偽造檢測的雙分支感知CLIP取證方法是由趙晶;阮文靜;張旭晨;李雪猛設(shè)計研發(fā)完成，并于2025-07-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本用于可推廣深度偽造檢測的雙分支感知CLIP取證方法在說明書摘要公布了：本發(fā)明公開用于可推廣深度偽造檢測的雙分支感知CLIP取證方法，涉及圖像處理技術(shù)領(lǐng)域，其特征在于，包括以下步驟：S1：構(gòu)造雙路徑多模態(tài)特征融合框架，即感知對比語言?圖像預(yù)訓(xùn)練取證網(wǎng)絡(luò)；S2：構(gòu)造動態(tài)特征融合模塊，將特征質(zhì)量評估、相似性分析和自適應(yīng)溫度縮放結(jié)合起來，建立對比語言?圖像預(yù)訓(xùn)練和痕跡網(wǎng)絡(luò)之間的顯式鏈接機制，使感知對比語言?圖像預(yù)訓(xùn)練取證網(wǎng)絡(luò)能夠自適應(yīng)地調(diào)整融合權(quán)重，并激活知對比語言?圖像預(yù)訓(xùn)練中的偽造相關(guān)先驗；S3：構(gòu)造目標(biāo)函數(shù)。本發(fā)明要解決的技術(shù)問題是提供用于可推廣深度偽造檢測的雙分支感知CLIP取證方法，顯著提高了深度偽造檢測在不同場景和偽造技術(shù)中的泛化能力。

本發(fā)明授權(quán)用于可推廣深度偽造檢測的雙分支感知CLIP取證方法在權(quán)利要求書中公布了：1.用于可推廣深度偽造檢測的雙分支感知CLIP取證方法，其特征在于，包括以下步驟： S1：構(gòu)造雙路徑多模態(tài)特征融合框架，即感知對比語言-圖像預(yù)訓(xùn)練取證網(wǎng)絡(luò)； 框架采用雙路徑架構(gòu)：一條路徑利用基于深度可分離卷積的痕跡網(wǎng)絡(luò)分支提取局部高頻偽造線索，另一條路徑則使用凍結(jié)的對比語言-圖像預(yù)訓(xùn)練視覺變換器主干網(wǎng)絡(luò)編碼全局語義特征； S2：構(gòu)造動態(tài)特征融合模塊，將特征質(zhì)量評估、相似性分析和自適應(yīng)溫度縮放結(jié)合起來，建立對比語言-圖像預(yù)訓(xùn)練和痕跡網(wǎng)絡(luò)之間的顯式鏈接機制，使感知對比語言-圖像預(yù)訓(xùn)練取證網(wǎng)絡(luò)能夠自適應(yīng)地調(diào)整融合權(quán)重，并激活感知對比語言-圖像預(yù)訓(xùn)練中的偽造相關(guān)先驗； S3：構(gòu)造目標(biāo)函數(shù)，所述目標(biāo)函數(shù)包括交叉熵?fù)p失和對比學(xué)習(xí)損失； 所述S2的具體步驟為： S21：痕跡網(wǎng)絡(luò)和對比語言-圖像預(yù)訓(xùn)練分支的輸出特征表示為： （2）； 為了實現(xiàn)語義和結(jié)構(gòu)特征的動態(tài)融合，引入一個可學(xué)習(xí)的特征融合模塊，融合權(quán)重由一個輕量級的多層感知機網(wǎng)絡(luò)生成，該網(wǎng)絡(luò)以下輸入為依據(jù)： （3）； 其中：為對比語言-圖像預(yù)訓(xùn)練特征的質(zhì)量因子； 表示痕跡網(wǎng)絡(luò)和對比語言-圖像預(yù)訓(xùn)練特征之間的相似度得分； 表示一個可學(xué)習(xí)的溫度項； S22：接下來，模塊計算痕跡網(wǎng)絡(luò)中的結(jié)構(gòu)特征和對比語言-圖像預(yù)訓(xùn)練中的語義特征的加權(quán)和，以獲得中間表示： （4）； S23：為了進(jìn)一步提高融合表示的可區(qū)分性，將中間表示、結(jié)構(gòu)特征和語義特征連接起來，并將結(jié)果輸入一個全連接層，然后進(jìn)行非線性投影： （5）； 其中：表示融合特征； 表示對經(jīng)過批量歸一化、線性變換后的結(jié)果進(jìn)行非線性變換； 表示批量歸一化； 表示權(quán)重矩陣； 表示偏置向量； S24：最后，融合特征通過多層感知器分類器進(jìn)行二元預(yù)測： （6）； 其中：為多層感知器。

如需購買、轉(zhuǎn)讓、實施、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；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)”。