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！

龙图腾网获悉上海交通大学申请的专利一种因果干预的人脸防伪泛化方法、设备及介质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：CN115205985B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210844068.2，技术领域涉及：G06V40/40；该发明授权一种因果干预的人脸防伪泛化方法、设备及介质是由熊红凯;刘育辰;陈亚博;戴文睿;李成林;邹君妮;吴晨涛;徐异凌设计研发完成，并于2022-07-18向国家知识产权局提交的专利申请。

本一种因果干预的人脸防伪泛化方法、设备及介质在说明书摘要公布了：本发明提供一种因果干预的人脸防伪方法、设备及介质，包括：构建面向人脸防伪任务的结构因果模型，基于该结构因果模型，建模与数据集分布相关的域特征，作为影响人脸防伪泛化性的干扰因子；使用狄利克雷数据增强扩充数据集分布，更准确地建模作为干扰因子的域特征；训练神经网络对输入人脸图像的真假进行二分类判别，并采用后门调整模型对人脸真假分类的神经网络进行因果干预，消除干扰因子的影响；在训练人脸真假分类的神经网络中，同时使用对比损失函数约束特征空间。本发明基于结构因果模型，采用后门调整模型消除影响人脸防伪泛化性的干扰因子，能显著提高在真实世界的不同环境下人脸防伪的准确率，保证了人脸防伪方法的泛化性和稳定性。

本发明授权一种因果干预的人脸防伪泛化方法、设备及介质在权利要求书中公布了：1.一种因果干预的人脸防伪方法，其特征在于，包括： S1，构建面向人脸防伪任务的结构因果模型，基于该结构因果模型，建模与数据集分布相关的域特征，作为影响人脸防伪泛化性的干扰因子，其中域表示服从一定分布的数据集，域特征表示该数据集的分布特征； S2，使用狄利克雷数据增强扩充数据集分布，基于扩充后的数据集，训练神经网络用于域分类，将网络提取到的特征作为表征干扰因子的域特征； S3，训练神经网络对输入人脸图像的真假进行二分类判别，并采用后门调整模型对人脸真假分类的神经网络进行因果干预，消除干扰因子的影响； S4，在训练人脸真假分类的神经网络中，同时使用对比损失函数约束特征空间，将相同类别的人脸图像特征作为正样本聚合，将不同类别的人脸图像特征作为负样本区分； 所述构建面向人脸防伪任务的结构因果模型，基于该结构因果模型，建模与数据集分布相关的域特征为影响人脸防伪泛化的干扰因子，其中： 所述面向人脸防伪任务的结构因果模型为有向无环的因果图模型，图中的每个节点对应模型中的一个变量，节点和节点连接的边则描述了变量与变量直接的因果关系； 所述面向人脸防伪任务的结构因果模型共包含三个节点，分别对应三个变量：输入的人脸图像X，表示真伪人脸的标签Y，域特征的干扰因子D； 所述面向人脸防伪任务的结构因果模型共包含节点之间连接的三条边，分别对应如下三个因果关系： 输入人脸图像X→真伪标签Y：人脸图像到真伪标签的因果关系，是有利于增强人脸防伪泛化的真实因果关系； 域特征的干扰因子D→真伪标签Y：域特征的干扰因子到真伪标签的因果关系，是破坏人脸防伪泛化的虚假因果关系； 域特征的干扰因子D→输入人脸图像X：域特征的干扰因子到输入人脸图像的因果关系，表示域特征影响人脸图像的生成； 所述训练神经网络对输入人脸图像的真假进行二分类判别，并采用后门调整模型对人脸真假分类的神经网络进行因果干预，消除干扰因子的影响，包括： 使用基于do算子的后门调整模型进行因果干预，切断结构因果模型中域特征的干扰因子→输入人脸图像的因果关系，基于调整后的概率图模型，得到调整后的概率公式为PY|doX＝∑dPY|X,D＝dPD＝d； 在后门调整模型中，不同数据集或数据域有相同数量的图片，所以将域先验的概率分布建模为均匀分布，即PD＝d＝1N，其中N表示域的总个数；将真伪标签基于输入图像和域特征干扰因子的条件概率建模为将输入图像的特征向量和域特征向量相连接，并过分类器得到的输出，即其中表示向量的拼接。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。