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！

龙图腾网获悉西藏民族大学申请的专利一种可逆人脸匿名化模型的训练方法、可逆人脸匿名化方法及相关产品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：CN120496195B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510968650.3，技术领域涉及：G06V40/50；该发明授权一种可逆人脸匿名化模型的训练方法、可逆人脸匿名化方法及相关产品是由陈蓉;王宇;王跟成;李大钦;杨晨;保颖程设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本一种可逆人脸匿名化模型的训练方法、可逆人脸匿名化方法及相关产品在说明书摘要公布了：本申请公开了一种可逆人脸匿名化模型的训练方法、可逆人脸匿名化方法及相关产品，涉及图像处理技术领域，该训练方法包括：获取人脸图像和随机密码；随机密码由高斯混合模型生成；利用身份转换器，根据人脸图像和第一随机密码，得到第一匿名人脸；身份转换器包括若干个MNB层；每个MNB层包括残差状态空间模块和残差模块；根据人脸图像和第二随机密码，得到第二匿名人脸；根据第一匿名人脸和第一解密密码，得到正确恢复人脸；根据上述各个结果以及原始人脸图像利用加权损失函数迭代训练身份转换器，得到可逆人脸匿名化模型。本申请改进身份转换器结构，融入MNB模块，使用更高效的身份转换器来提高匿名人脸图像和恢复人脸图像的生成质量。

本发明授权一种可逆人脸匿名化模型的训练方法、可逆人脸匿名化方法及相关产品在权利要求书中公布了：1.一种可逆人脸匿名化模型的训练方法，其特征在于，包括： 获取人脸图像和随机密码；所述随机密码包括：第一密码对和第二密码对；所述第一密码对包括：第一随机密码和对应的第一解密密码；所述第二密码对包括：第二随机密码和对应的第二解密密码；所述随机密码由高斯混合模型生成； 利用身份转换器，根据所述人脸图像和所述第一随机密码，得到第一匿名人脸；所述身份转换器包括若干个MNB层；每个所述MNB层包括残差状态空间模块和残差模块； 利用身份转换器，根据所述人脸图像和所述第二随机密码，得到第二匿名人脸； 利用身份转换器，根据所述第一匿名人脸和所述第一解密密码，得到正确恢复人脸； 利用身份转换器，根据所述第一匿名人脸和第一错误解密密码，得到第一错误恢复人脸； 利用身份转换器，根据所述第二匿名人脸和第二错误解密密码，得到第二错误恢复人脸； 根据所述人脸图像、所述第一匿名人脸、所述第二匿名人脸、所述正确恢复人脸、所述第一错误恢复人脸以及所述第二错误恢复人脸，利用加权损失函数迭代训练所述身份转换器，得到可逆人脸匿名化模型；所述加权损失函数由若干个损失函数加权得到；若干个损失函数包括：重建损失、面部分类对抗损失、辅助分类器损失、背景保持损失、逼真度损失以及人脸特征损失； 所述身份转换器，包括：输入层、下采样层、中间层、上采样层和输出层； 其中，输入层和下采样层包括：ReflectionPad2d层、Conv2d层、BN层和LeakyReLU层； 中间层包含若干个MNB层；每个MNB层包括两个残差模块，第一个残差模块包括LayerNorm层和VSSM层，第二个残差模块包括LayerNorm层、Conv层和ChannelAttention层； VSSM层包括两个分支，第一个分支包括Linear层、DWConv层、SiLU层和LayerNorm层，第二个分支包括Linear层和SiLU层，两个分支的输出相加后经过Linear层得到输出特征； 上采样层包括：ConvTransposed2D层、BN层和LeakyReLU层； 输出层包括：ReflectionPad2d层、Conv2d层和Tanh层； 所述随机密码的生成步骤包括： 利用高斯混合模型生成原始随机密码；所述高斯混合模型由若干个高斯分布组合构成； 将所述原始随机密码映射到预设范围，得到映射随机密码； 将所述映射随机密码转换为二进制或十六进制格式，得到格式随机密码；其中，格式转换时采用零填充方式确保密码长度一致； 在所述格式随机密码中加入高斯噪声，得到随机密码。

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西藏民族大学，其通讯地址为：712082 陕西省咸阳市文汇东路6号；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”。

以上内容由龙图腾AI智能生成。