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！

龙图腾网获悉中科天网(广东)科技有限公司申请的专利基于多粒度特征融合的换脸检测方法、装置及设备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：CN119888870B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202411966657.3，技术领域涉及：G06V40/40；该发明授权基于多粒度特征融合的换脸检测方法、装置及设备是由温峻峰;洪小龙;张超;伍健勇;吕凯元;廖朱林;李鑫;谢巍;张浪文;罗海涛设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于多粒度特征融合的换脸检测方法、装置及设备在说明书摘要公布了：本发明公开了一种基于多粒度特征融合的换脸检测方法、装置及设备，所述方法包括：对含有真实人脸数据和换脸数据的数据集进行预处理，得到预处理后的数据集；使用Xception模型作为基准网络，基于全局‑局部多粒度特征融合机制改进特征提取层，构建包含粗粒度全局特征分支和细粒度局部特征分支的多粒度特征融合框架，引入卷积注意力机制在空间和通道维度分配注意力以细化特征并自适应优化，从而构建全局与局部多粒度特征融合的人工智能换脸检测模型；基于预处理后的数据集对人工智能换脸检测模型进行训练；将训练后的人工智能换脸检测模型进行部署，对输入的人脸视频或图像进行换脸检测，得到换脸识别结果。本发明能够有效提升换脸检测的鲁棒性和准确性。

本发明授权基于多粒度特征融合的换脸检测方法、装置及设备在权利要求书中公布了：1.一种基于多粒度特征融合的换脸检测方法，其特征在于，包括： 步骤S1：对含有真实人脸数据和换脸数据的数据集进行预处理，得到预处理后的数据集； 步骤S2：使用基于深度可分离卷积和残差连接的Xception模型作为基准网络，基于全局-局部多粒度特征融合机制改进特征提取层，构建包含粗粒度全局特征分支和细粒度局部特征分支的多粒度特征融合框架，并引入卷积注意力机制在空间和通道维度分配注意力以细化特征并自适应优化，从而构建全局与局部多粒度特征融合的人工智能换脸检测模型； 步骤S3：基于预处理后的数据集对所述人工智能换脸检测模型进行训练； 步骤S4：将训练后的所述人工智能换脸检测模型进行部署，对输入的人脸视频或图像进行换脸检测，得到换脸识别结果； 其中，所述步骤S2：使用基于深度可分离卷积和残差连接的Xception模型作为基准网络，基于全局-局部多粒度特征融合机制改进特征提取层，构建包含粗粒度全局特征分支和细粒度局部特征分支的多粒度特征融合框架，并引入卷积注意力机制在空间和通道维度分配注意力以细化特征并自适应优化，从而构建全局与局部多粒度特征融合的人工智能换脸检测模型，包括： 在Xception模型的中间流和出口流之间构建全局与局部多粒度特征融合框架，通过在图像或特征图数据的宽度和高度方向上进行分割操作，将特征数据划分为多级粒度的不同尺度子区域或子块，形成粗粒度全局特征分支和细粒度局部特征分支的多粒度结构； 对细粒度局部特征分支进行构建与处理，构建与处理过程包括：将从Xception主干网络输出的人脸特征图划分为4个相同大小的细粒度局部特征子块，4个特征子块分别输入到4个局部特征分支中；每一条细粒度局部特征分支依次通过一个残差连接的深度可分离卷积块和两个深度可分离卷积层进行卷积操作，然后经过全局平均池化处理，将特征映射大小输出为1x1x2048，以便输入全连接层分类器进行降维分类，得到每个输入人脸图像在该局部特征分支下的真伪预测类别输出值； 对粗粒度全局特征分支进行构建与处理，构建与处理过程包括：人脸特征图经过Xception网络的入口流、中间流、出口流三阶段卷积处理，逐步提取全局特征并抽象优化为更高层次的特征表达；通过对整个图像或特征图进行平均池化操作，对每个特征通道上的特征值取平均值，获得整体特征表示，最后通过全连接层输出人脸真伪分类预测值； 进行决策融合：在输出最终预测值的阶段，对全局特征分支和细粒度局部特征分支分类预测输出结果赋予不同的权重值进行决策融合，计算公式为，其中表示全局特征分支决策分数，表示第个细粒度特征分支决策分数，和分别表示全局特征分支和细粒度局部特征分支决策分数的权重。

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中科天网(广东)科技有限公司，其通讯地址为：510000 广东省广州市越秀区先烈中路100号23-1栋719房；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”。