申请/专利权人:上海交通大学
申请日:2023-09-06
公开(公告)日:2024-04-26
公开(公告)号:CN117935325A
主分类号:G06V40/16
分类号:G06V40/16;G06V40/40;G06V10/774;G06V10/82;G06N3/0475;G06N3/045
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本公开提供一种无监督域泛化的人脸防伪方法、系统、介质及电子设备,其中人脸防伪方法包括:获取标记域索引的人脸图像训练集;根据当前人脸图像样本的增强特征与同一域索引下的人脸图像样本的增强特征之间的特征相似度,确定第一正样本;根据当前人脸图像的域归一化特征与不同域索引下的人脸图像样本的域归一化特征之间的特征相似度,确定第二正样本;采用人脸图像训练集对预设的无监督孪生网络进行模型训练处理,确定无监督孪生网络模型;将目标人脸图像输入无监督孪生网络模型中,确定目标人脸图像的人脸防伪特征。通过本公开,有效提升无监督网络模型的防伪性能,提高泛化性,实现低成本高鲁棒性的人脸防伪识别。
主权项:1.一种无监督域泛化的人脸防伪方法,其特征在于,包括:获取标记域索引的人脸图像训练集,所述人脸图像训练集包括不同采集设备或环境下采集的人脸图像样本,每一域索引对应一种采集设备或环境;根据当前人脸图像样本的增强特征与同一域索引下的人脸图像样本的增强特征之间的特征相似度,确定第一正样本;根据所述当前人脸图像的域归一化特征与不同域索引下的人脸图像样本的域归一化特征之间的特征相似度,确定第二正样本;采用所述人脸图像训练集对预设的无监督孪生网络进行模型训练处理,并根据整体损失函数对所述预设的无监督孪生网络进行优化处理,确定无监督孪生网络模型;将目标人脸图像输入所述无监督孪生网络模型中,确定所述目标人脸图像的人脸防伪特征。
全文数据:
权利要求:
百度查询: 上海交通大学 无监督域泛化的人脸防伪方法、系统、介质及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。