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！

龙图腾网恭喜四川大学申请的专利一种基于面部语义内容分解领域泛化框架的深度伪造检测算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：CN116343279B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202211224568.2，技术领域涉及：G06V40/16；该发明授权一种基于面部语义内容分解领域泛化框架的深度伪造检测算法是由张瑞梅;刘汉卿;王宏霞设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本一种基于面部语义内容分解领域泛化框架的深度伪造检测算法在说明书摘要公布了：本发明公开了一种基于面部语义内容分解领域泛化框架的深度伪造检测算法，涉及图像被动取证领域。针对现有的基于深度学习的深度伪造检测算法会对某一源域中面部语义信息过度拟合从而导致所学习的模型泛化性能差的问题做出针对性解决。具体来说，构建基于面部语义内容分解的双分支特征提取器，以提取更局部、细微且共享的痕迹特征；此外，引入领域泛化框架，构建基于最大均值差异的非对称对齐约束模块，通过对齐多个源域的特征分布，以学习到一个共享的特征空间与决策边界，可以用于未知目标域的检测。该本发明能够有效地提升深度伪造检测的准确率，具有实际应用价值。

本发明授权一种基于面部语义内容分解领域泛化框架的深度伪造检测算法在权利要求书中公布了：1.一种基于面部语义内容分解领域泛化框架的深度伪造检测算法，在深度伪造检测中构造了基于面部语义内容分解领域泛化框架，以解决单一数据域中面部语义信息过度拟合从而导致所学习的模型泛化性能差的问题；通过基于面部语义内容分解的双分支特征提取器提取更局部且共享的痕迹特征；基于最大均值差异的非对称对齐约束模块对齐多个源域的特征分布，结合基于最大均值差异的非对称对齐约束损失与分类损失计算总损失，训练并获得目标基于面部语义内容分解的领域泛化框架模型FDDG，包括以下主要步骤： 步骤1：获取现有公开的多个深度伪造数据集，这些数据集是由不同的篡改方式生成的，且每个数据集中均具有视频的真伪标签与领域所属标签；将该深度伪造数据集中的任一数据集作为待测的目标域，将目标域以外的数据集作为训练所用的源域；对所述目标域和源域中数据进行包括人脸检测、裁剪、对齐的预处理操作； 步骤2：构建基于面部语义内容分解的双分支特征提取器FD-DBN，将步骤1预处理过的深度伪造数据集中的源域数据集馈入到FD-DBN中，其中K代表源域中数据集的个数，上标i代表源域中某一数据集的序号；具体处理方法是，一方面，采用卷积神经网络对整张人脸进行编码，提取全局特征，另一方面，通过对角线方向人脸图像块置乱模块DCSM分解人脸图像，并采用卷积神经网络对分解后的人脸图像进行编码，提取局部特征，最后，通过基于坐标注意力机制的融合模块CAFM融合上述提取的全局与局部特征，获得各源域数据特征集 步骤3： 3.1通过具有真实特征聚集约束RFC与域内-域间三元组约束ICT的基于最大均值差异的非对称对齐约束模块MAAC，对由步骤2提取的各源域数据特征集FTs进行分布适配，计算基于最大均值差异的非对称对齐约束损失 3.2由常规深度伪造真伪分类模块将步骤2提取的各源域数据特征集FTs结合真伪标签计算分类损失 步骤4：结合步骤3中所述与计算总损失通过反向传播训练基于面部语义内容分解的领域泛化框架模型；获得目标基于面部语义内容分解的领域泛化框架模型FDDG； 步骤5：采用步骤4训练获得的目标基于面部语义内容分解的领域泛化框架模型FDDG提取待测目标域数据特征并计算预测分数p，若p0.5，则认定待测数据为真，反之则为假，从而完成深度伪造人脸视频的检测。

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四川大学，其通讯地址为：610065 四川省成都市一环路南一段24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”。