本发明公开了一种基于空域频域联合去偏的通用深度伪造检测方法，包括：基于视频提取帧图像，定位到面部相关区域后对原始图像进行裁剪得到面部图像，构建一个双分支深度学习架构，并行地从面部图像中提取空域特征以及频率增强模块处理后的频域特征；在训练阶段，引入一个教师学生去偏置架构，对空域和频域双分支进行独立的、非破坏性的正则化，引导模型学习通用的伪造特征；最后，将去偏置后的多模态特征通过交叉注意力机制进行融合，并由分类器输出检测结果。本发明通过协同利用空域和频域的互补信息，并采用新颖的去偏置策略，显著提升了模型对未知来源和新型伪造技术的检测泛化能力和鲁棒性。
📄 2026102674726
📂 G06T7_00
👤 南京信息工程大学
📅 2026-03-06
本发明公开了一种基于频域多尺度的人脸伪造检测方法、系统、设备及介质，能够通过卷积、下采样、通过双线性插值进行上采样以及高斯核卷积的操作，得到不同频段的图像，使人脸伪造检测在面对不同场景时仍有不错的泛化性能；通过提取不同频段的图像的特征，使得到的卷积特征包括了不同频段信息；通过将卷积特征进行不同尺度的池化，得到多尺度特征，有助于捕获更具有鉴别力的特征并保留更丰富的纹理信息，解决伪造方法所产生的伪影尺度不一以及单尺度特征可能无法捕获所需的所有空间信息的问题；最后通过训练得到人脸伪造检测网络，将不同频段的图像和多尺度特征的优点集合，大大提高人脸伪造检测方法的泛化能力、精确度和性能。
📄 2023102969502
📂 G06V40_40
👤 长沙理工大学
📅 2023-03-23
本发明公开了一种基于双分支卷积抑制纹理网络的人脸伪造检测方法及系统，本方法将待预测人脸图像输入至双分支卷积抑制纹理网络进行人脸伪造检测，获得人脸伪造检测结果；其中进行人脸伪造检测包括：将第一纹理抑制特征图和第二纹理抑制特征图相加，获得第一支路的第一特征图；将纹理抑制注意力特征图和第二支路的特征图进行元素相乘，获得第二支路的第一特征图；将第一支路的特征和第二支路的特征输入至跨流融合模块中进行不同维度的特征融合，获得第一支路的融合特征和第二支路的融合特征；将每个维度上的融合特征进行整平操作和拼接操作后输入至全连接层，获得人脸伪造检测结果。本发明能够提高模型的泛化性能，提高人脸伪造检测的准确度。
📄 2023102935154
📂 G06V40_40
👤 长沙理工大学
📅 2023-03-23
本发明请求保护一种基于跨域一致性学习的人脸伪造检测方法(CDCL)，旨在探索不同伪造方法生成图像的共同伪造特征，实现高泛化性的人脸伪造检测，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.本发明提出了一个跨域学习模块，该模块有助于提取到不同伪造方法生成图像的跨域一致性特征。步骤2.本发明设计了一个分流中心差分注意力，它可以通过聚合查询的像素级强度和梯度信息来生成键和值对，同时将异质感受野大小注入到标记中，从而捕获深层次的细粒度特征。步骤3.本发明利用一组特定伪造技术(源域)和不同伪造技术(目标域)生成的数据来诱导模型学习跨域一致性特征。步骤4.为了减少类内距离同时增大类间距离，本发明设计了一个跨域一致性中心损失，通过迭代对抗训练、更新参数得到最终的网络模型。
📄 202410899329X
📂 G06V40_16
👤 重庆邮电大学
📅 2024-07-05
本发明公开一种基于特征增强Mamba框架的人脸伪造检测方法，涉及图像处理技术领域，其特征在于，包括以下步骤：S1：数据集的准备；S2：构造基于特征增强的Mamba框架；该框架在原有Mamba框架的基础上引入了局部性增强状态空间模块，该模块包括全局特征增强模块和局部特征增强模块；S3：模型的训练；具体的图像特征提取流程如下：S31：全局特征增强模块的特征提取；S32：局部特征增强模块的特征提取；S33：融合特征的获取；S4：损失函数构造。本发明要解决的技术问题是提供一种基于特征增强Mamba框架的人脸伪造检测方法，该框架能够精准捕捉图像的全局以及局部特征，在复杂多变的人脸伪造检测中取得了良好的效果，能够有效识别出伪造的人脸图像。
📄 2025105855521
📂 G06V40_16
👤 齐鲁工业大学(山东省科学院)
📅 2025-05-08
本发明公开一种基于元学习架构的域适应人脸伪造检测方法，涉及图像处理技术领域，包括以下步骤：S1：数据集的构建；S2：元学习过程；S21：元‑训练；S22：元‑测试；S23：参数更新；S3：采用伪样本生成方法，通过这些伪样本，单步更新源模型；S4：采用随机恢复方法来避免知识遗忘问题，提高模型对复杂多样的未知数据的检测效果。本发明元学习和一致性学习方法的结合，有效地解决了跨域检测中的领域自适应问题，实现模型在不同域之间的无缝迁移和持续学习。
📄 2024107033480
📂 G06V40_16
👤 齐鲁工业大学(山东省科学院)
📅 2024-06-03
本发明公开基于局部伪造区域检测的人脸伪造检测方法，涉及图像处理技术领域，包括以下步骤：S1：数据处理；S11：从视频数据中提取每个视频的10帧，并将其转换为图像数据集；S12：对图像中的潜在伪造区域进行标注；S13：将图像的真伪属性、图像位置信息以及伪造区域的掩码信息存储在JSON文件中，以便后续训练模型时使用。本发明要解决的技术问题是提供基于局部伪造区域检测的人脸伪造检测方法，有效地减轻了对全局信息的依赖，进一步增强了模型的泛化能力，从而在深度伪造检测领域取得更为准确和鲁棒的结果。
📄 2024105511312
📂 G06V40_16
👤 齐鲁工业大学(山东省科学院)
📅 2024-05-07
本发明公开基于双分支协作学习的跨域人脸伪造检测方法，涉及人脸图像伪造检测技术领域，包括以下步骤：S1：将双分支协作学习框架划分为两个分支，每个分支包含一个教师网络和一个学生网络，其中，第一个分支的教师和学生分别记作#imgabs0#和#imgabs1#，第二个分支的教师和学生分别记作#imgabs2#和#imgabs3#；S2：使用基于FFT的风格转换方法来生成潜在域图像#imgabs4#，保持源域图像的内容#imgabs5#与目标域图像#imgabs6#的风格；S3：对学生网络进行优化；S4：对教师网络进行优化；S5：使用Xception作为骨干网络，对两对教师和学生网络，进行人脸伪造检测。本发明要解决的技术问题是提供基于双分支协作学习的跨域人脸伪造检测方法，方便人脸伪造检测。
📄 2024104872510
📂 G06V40_16
👤 齐鲁工业大学(山东省科学院)
📅 2024-04-23
本发明公开了一种人脸图像深度伪造检测方法、系统、设备与介质，涉及图像处理技术领域，包括步骤：获取历史人脸图像；构建并训练伪造检测模型，对待检测人脸图像进行伪造检测；训练过程包括：通过伪造力度估计分支提取历史人脸图像的特征，获得类别标记和补丁标记，通过两阶段训练机制获得强伪造估计力度图和完整伪造估计力度图，并获取两阶段训练时的伪造力度感知损失，通过伪造分类分支对类别标记进行分类，对分类结果进行约束获得伪造分类损失；对伪造分类损失和伪造力度感知损失进行整合，更新伪造检测模型模型参数。本发明通过两阶段的伪造力度估计分支和伪造分类分支的协同优化，提高检测精度与鲁棒性，适应多种复杂场景的需求。
📄 2025108037905
📂 G06V40_16
👤 浙江工商大学
📅 2025-06-17
本发明公开基于多层次化感知的社交网络图像复制移动伪造检测方法，该发明具体包含以下步骤：（1）自相关匹配分支对整张图像生成自相关得分图，（2）参考自相关得分图生成可疑图像块，（3）成对可疑图像块的关键点匹配，（4）融合两种得分图和损失函数约束网络训练。本发明先利用自相关匹配寻找整张伪造图像的可疑区域，然后使用关键点匹配淡化误警告区域和激活遗漏区域，使得匹配结果更加精准。本发明提出的关键点匹配分支，能解决现有的算法无法在平滑的伪造区域生成高质量的关键点匹配的问题。本方法生成最终预测掩码时，不仅考虑了自相关匹配的结果，也考虑了点匹配的结果，这种基于多层次感知的检测方法能生成更加精确的预测结果图。
📄 2022107304977
📂 G06T1_00
👤 山东省人工智能研究院; 山东大学; 烟台艾睿光电科技有限公司; 泰华智慧产业集团股份有限公司
📅 2022-06-24
本公开提供了一种数据集生成、伪造检测方法、装置、电子设备及存储介质，该数据集生成方法包括：获取多种数据格式的参考数据，和多种样本数据伪造方式；按照所述多种样本数据伪造方式中每种样本数据伪造方式，基于所述多种数据格式的参考数据，对原始样本数据进行样本数据伪造，得到多个伪造样本数据；其中每个伪造样本数据对应一种数据格式的参考数据；基于所述原始样本数据、以及按照每种样本数据伪造方式得到的多个所述伪造样本数据，生成目标数据集。
📄 2021100618269
📂 G06V40_16
👤 深圳市商汤科技有限公司
📅 2021-01-18
本发明公开了一种基于双层孪生网络和可持续学习的人脸伪造检测方法，包括步骤：构建用于持续学习策略的图像训练集；通过持续学习策略训练已构建的双层孪生网络，双层孪生网络包括：用于快速学习的有监督子网络，适用于慢速学习的无监督子网络和记忆模块；无监督子网络通过无监督学习提取特征并指导有监督子网络，有监督子网络在无监督子网络的指导下，进行有监督学习提取特征；记忆模块用于巩固学习到的知识；将待检测图像输入到训练好的检测模型，模型对图像进行分割检测，检测出图像中人脸伪造的具体位置。本发明能提高人脸伪造检测模型的准确性，同时实现对具体伪造位置的预测；利用持续学习策略，提升人脸伪造检测模型的泛化性能。
📄 202310474306X
📂 G06V40_40
👤 南京信息工程大学
📅 2023-04-28
柿子坊 · 知识产权运营
柿子坊知识产权运营平台