专利交易市场

本发明请求保护一种基于特征一致性和尺度金字塔损失的人脸反欺骗方法，属于计算机视觉技术领域。所述方法包括以下步骤：首先，针对活体检测中不同视角下特征一致性不足导致模型泛化性降低的问题，提出了特征一致性模块，以鼓励不同视角下特征图的一致性，保证不同尺度下的特征图能够相互匹配和对齐。其次，设计了一个用于进行多尺度特征融合的模块MFFM，使领域迁移部分在生成深度图时能够学习到更多的尺度信息，有助于网络更好地捕捉特征之间的相关性和空间结构。最后，设计了一个尺度金字塔损失SP Loss，该损失可以让模型从多个尺度上考虑图像的信息，包括全局语义和局部细节，以提高模型对不同尺度信息的感知能力，进一步提升了模型的性能和鲁棒性。

本发明公开一种基于风格混合重组的人脸反欺骗域泛化方法，其特征在于，包括以下步骤：S1：构造数据处理模型；S11：构造对抗学习模块；S12：构造对比学习模块；S13：构造风格组装层；S14：构造损失函数；S2：训练流程。本发明涉及图像处理技术领域，具体地讲，涉及一种基于风格混合重组的人脸反欺骗域泛化方法。本发明要解决的技术问题是提供一种基于风格混合重组的人脸反欺骗域泛化方法，提出将完整的特征分离为内容特征和风格特征，分别进行处理，内容特征通过对抗学习使其在不同域之间不可区分，而风格特征通过对比学习来强调与活性相关的信息，同时抑制域特定的信息。这种方法有效地提高了模型在未见过的域中的泛化能力。