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！

龙图腾网获悉桂林电子科技大学;广西水发集团数字智慧水务科技有限公司申请的专利一种基于自混合的深度伪造检测方法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：CN119672816B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411871337.X，技术领域涉及：G06V40/40；该发明授权一种基于自混合的深度伪造检测方法是由邓珍荣;胡心如;张海斌;李达兵;唐浩;成七一;李俊林;蒋云灿;王喆;黄剑峰;巫秋莹;李晓明;谭维国;李俊;吴章辉设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种基于自混合的深度伪造检测方法在说明书摘要公布了：本发明提供了一种基于自混合的深度伪造检测方法，与现有技术比较，本发明通过使用自混合技术生成包含伪造伪影的混合图像，并结合主干网络EfficientNet‑b3和伪造伪影检测模块，对输入图像的伪影区域进行精准检测和识别。首先，对真实图像进行分帧处理，利用自混合技术生成源图像和目标图像，并通过mask生成器结合alphablending模型生成具有伪造伪影的混合图像。随后，主干网络对混合图像提取全局特征，伪造伪影检测模块通过伪影空间协同注意力模块强化混合区域的局部特征表现，从而准确定位伪影区域。最终，利用残差连接融合全局和局部特征，并传入全连接层完成分类。本方法能够有效检测多种伪造图像类型，在跨数据集和未知场景中展现出优异的泛化能力。

本发明授权一种基于自混合的深度伪造检测方法在权利要求书中公布了：1.一种基于自混合的深度伪造检测方法，其特征在于，基于自混合的深度伪造检测方法包括： S101：首先对数据集FF进行分帧，仅输入数据集FF中的真实图像，将真实图像使用自混合技术生成具有常见伪造伪影的混合图像，把真实图像和其相对应的混合图像输入到主干网络中，所述主干网络是在ImageNet上预训练过的EfficientNet-b3， S102：利用伪造伪影检测模块定位检测混合图像中的混合区域，输出一幅更加凸显伪影区域特征、易于后续判别的混合图像， S103：将伪造伪影检测模块处理后得到的强化过的混合图像，与主干网络EfficientNet-b3末端经全局平均池化得到的全局特征进行残差连接获得融合特征，并且将融合特征传入主干网络最终的全连接层进行决策，从而生成对输入图像真实性的精准判断； 伪造伪影检测模块还包括伪造伪影检测额外层、伪造伪影检测结束层和伪影空间协同注意力模块； 伪造伪影检测模块的作业步骤如下： S1021:将主干网络EfficientNet-b3提取得到的混合图像作为输入， S1022:通过伪影检测额外层对混合图像进行处理：对混合图像使用1×1卷积进行通道变换，以便在局部范围突出潜在的伪影信息，紧接着对1×1卷积的输出进行批量归一化和ReLU激活，通过归一化减少内部协变量偏移，使模型在学习复杂伪造特征时更易收敛并保持训练稳定性，随后，对处理后的混合图像应用3×3卷积提取更加细粒度的局部伪影特征，再次进行批量归一化处理后，通过下采样降低混合图像的分辨率，使得后续层能够更好地聚焦局部混合区域并缓解梯度消失问题，输出处理后的混合图像， S1023:在伪影检测额外层处理后，引入伪影空间协同注意力模块，通过伪影空间协同注意力模块对混合图像的空间和通道信息进行加权，突出混合图像的混合边界的不一致性，进一步增强模型对伪影特征的敏感度， S1024:重复步骤S1022-S1023两次，输出处理后的对混合图像， S1025:首先使用3×3卷积在不改变混合图像空间维度的前提下调整通道数，以使特征更加适应后续计算，同时通过ReLU激活增强网络的非线性表达能力，接着使用1×1卷积对通道进行精细整合，将三次分别经过伪影检测额外层中提炼到的局部伪影特征融为一体，最后再次通过下采样操作，使输出的混合图像大小与步骤S1021输入混合图像大小一致； 其中，使用alphablending混合模型，获得混合图像。

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桂林电子科技大学;广西水发集团数字智慧水务科技有限公司，其通讯地址为：541010 广西壮族自治区桂林市七星区金鸡路1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。