買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學申請的專利基于時空分布變化的偽造圖片鑒別方法和裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119295841B 。

龍圖騰網通過國家知識產權局官網在2025-05-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411818625.9，技術領域涉及：G06V10/764；該發明授權基于時空分布變化的偽造圖片鑒別方法和裝置是由馮尊磊;婁恒瑞;申成吉;宋明黎;陳剛設計研發完成，并于2024-12-11向國家知識產權局提交的專利申請。

本基于時空分布變化的偽造圖片鑒別方法和裝置在說明書摘要公布了：基于時空分布變化的偽造圖片鑒別方法和裝置，其方法包括：步驟1:獲取任務訓練數據，將其劃分為訓練集和驗證集；采用所述訓練數據，使用去噪擴散隱式模型去噪采樣過程獲得相鄰噪聲圖的時序變化數據；獲得每個候選判別因子DFactor和時間序列數據之間的距離，基于KL散度的損失函數從候選DFactor的集合中獲得固定長度為的最佳DFactor判別因子；采用最佳DFactor判別因子將時序變化數據構建成有向加權的演化圖；采用有向加權的演化圖，學習所述時間序列的特征表示；將特征表示與對應的真假標簽作為輸入，訓練分類器，實現偽造圖片鑒別。本發明在圖片偽造鑒別領域引入時序信息，不依賴于預訓練加噪模型，在實際應用場景中有很好的泛化能力。

本發明授權基于時空分布變化的偽造圖片鑒別方法和裝置在權利要求書中公布了：1.一種基于時空分布變化的偽造圖片鑒別方法，其特征在于，包括：步驟1:獲取任務訓練數據，將其劃分為訓練集和驗證集；步驟2:采用所述訓練數據，使用去噪擴散隱式模型DDIM去噪采樣過程獲得相鄰噪聲圖的時序變化數據；步驟3:獲得每個候選判別因子DFactor和時間序列數據之間的距離，所述的DFactor是時序變化數據中能夠作為區分正常樣本與偽造樣本的片段；基于KL散度的損失函數從候選DFactor的集合C中獲得固定長度為L的最佳DFactor判別因子；步驟3-1：計算每個候選DFactor和時間序列之間加權距離；步驟3-2：對所有距離進行加權求和，以獲得時間序列的總距離：步驟3-3：基于KL散度構建以正負樣本間距離的損失函數，N表示樣本的數量，表示局部和全局因子的和，分別是正負類之間距離的均值和標準差，表示元素正則化；通過KL散度來進行正負樣本間的梯度下降最小化損失，實現最佳DFactor判別因子的提取；步驟4:采用最佳DFactor判別因子將時序變化數據構建成有向加權的演化圖；步驟5：采用有向加權的演化圖，學習所述時間序列的特征表示；步驟6：將特征表示與對應的真假標簽作為輸入，訓練分類器，實現偽造圖片鑒別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。