欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025104663613
申请人: 江南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2025-12-26
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种AI生成人脸图像真伪判别方法,其特征在于,判别模型的构建包括以下步骤:步骤1:构建包含真实人脸图像及多种AI生成人脸图像的混合数据集,采用分层随机采样策略划分训练集、验证集与测试集,并构建核心样本记忆库;

步骤2:对所述训练集的图像实施自适应动态增强策略,初期应用高强度增强,随训练进程逐步降低增强强度,对记忆库中关键样本采用差异化增强策略,并提取频域特征作为辅助输入通道;

步骤3:采用预训练的深度卷积网络作为特征提取骨干,通过复合缩放策略协调网络深度、宽度与分辨率的扩展比例,构建自适应分类头并嵌入轻量级注意力单元;

步骤4:设计教师-学生知识蒸馏框架,配置温度参数及软标签权重,设置特征蒸馏层以捕获中间层特征表示并在增量学习阶段进行传递;

步骤5:执行训练过程,采用自动混合精度训练技术,配置动态学习率调度策略并结合正则化技术防止过拟合;

步骤6:设置性能监控模块,当模型性能下降超过预设阈值或检测到新型AI生成技术时,自动触发增量学习流程,增量学习中,对新数据与记忆库样本进行联合训练,总损失由分类损失和知识蒸馏损失组成;

步骤7:基于梯度信息计算样本重要性分数,识别关键样本并更新记忆库;

步骤8:计算新旧任务特征相似度,动态调整共享层深度和知识蒸馏权重;

步骤9:每次增量学习完成后进行模型版本自动迭代,定期执行模型剪枝与量化操作;

步骤10:对模型测试结果进行评估,根据评估结果持续优化模型结构和训练策略;

所述复合缩放策略表示为:

其中,表示全局缩放因子,、、分别表示通道数、层数和输入分辨率的扩展比例;

所述步骤2的自适应动态增强策略包括:

当epoch<10时,按照0.2~0.8的缩放比例随机裁剪,±30%色彩抖动及15°透视变换,表示为:其中,表示原始输入图像,表示随机裁剪变换,表示色彩抖动变换,表示透视变换;

当10≤epoch<30时,进行±15%色彩抖动与10°旋转;

当epoch≥30时,进行随机水平翻转和±5%亮度调整。

2.根据权利要求1所述的AI生成人脸图像真伪判别方法,其特征在于,所述步骤5采用AdamW优化器与余弦退火学习率调度策略进行训练优化,表达式为:其中,,,表示重启周期,表示当前迭代次数。

3.根据权利要求1所述的AI生成人脸图像真伪判别方法,其特征在于,所述步骤5训练过程中,对输入图像进行快速傅里叶变换提取频域特征,与空间域特征通过跨模态注意力机制融合:其中,表示离散小波变换,为通道拼接操作,表示频域特征图,表示空间域特征。

4.根据权利要求1所述的AI生成人脸图像真伪判别方法,其特征在于,所述步骤8中共享层深度表示为:其中,为网络总深度,为新旧任务相似度。

5.根据权利要求1所述的AI生成人脸图像真伪判别方法,其特征在于,所述步骤7的记忆库样本筛选策略为:当重要性分数满足时,为高重要性旧样本,保留比例为40%;

当重要性分数满足,为中等重要性样本,保留比例为30%;

新型AI生成技术样本保留比例为30%。

6.根据权利要求1所述的AI生成人脸图像真伪判别方法,其特征在于,模型分类器采用两级全连接层结构,嵌入动态正则化机制,第一级包含512维全连接层与ReLU激活,第二级通过128维全连接层降维后经Sigmoid函数输出概率,Dropout概率随训练轮次线性衰减,公式为:其中,Dropout概率的初始值设为0.5。

7.一种AI生成人脸图像真伪判别装置,其特征在于,包括存储器和处理器;

所述存储器,用于存储计算机程序;

所述处理器,用于当执行所述计算机程序时,实现如权利要求1至6任一项所述的AI生成人脸图像真伪判别方法。

8.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至6任一项所述的AI生成人脸图像真伪判别方法。