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！

龙图腾网获悉北京印刷学院申请的专利基于渐进中间域的面向CSM的隐写分析网络训练方法及装置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：CN117115552B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202311180158.7，技术领域涉及：G06V10/764；该发明授权基于渐进中间域的面向CSM的隐写分析网络训练方法及装置是由张祝薇;于丽芳;翁韶伟设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本基于渐进中间域的面向CSM的隐写分析网络训练方法及装置在说明书摘要公布了：本发明公开基于渐进中间域的面向CSM的隐写分析网络训练方法及装置，提出了基于局部特征混合LFMP的中间域生成模块IDGM，通过生成中间域有效地桥接了源域和目标域，从而增强隐写分析网络的泛化能力，缓解了CSM对目标域检测精度的降低。本发明通过从分布Betaα,1中采样域因子来控制中间域的偏向，使生成的中间域从靠近源域的分布逐渐传递到靠近目标域的分布，有助于将知识从源逐步传递到目标，进一步提高隐写分析网络对目标域的检测精度。

本发明授权基于渐进中间域的面向CSM的隐写分析网络训练方法及装置在权利要求书中公布了：1.基于渐进中间域的面向CSM的隐写分析网络训练方法，其特征在于：基于渐进中间域的面向CSM的隐写分析网络IDGM-Snet包括第一卷积模块、中间域生成模块IDGM、第二卷积模块和分类器，第一卷积模块、第二卷积模块和分类器构成了IDGM-SNet的骨干SRNet，第一卷积模块接收源域图像和目标域图像并输出源隐藏特征和目标隐藏特征；中间域生成模块IDGM用于生成局部混合位置，中间域生成模块IDGM对第一卷积模块输出的源隐藏特征和目标隐藏特征进行局部特征混合LFMP，并使用域因子λ来控制局部特征混合LFMP的混合比例，从而产生逐渐接近目标域的中间域特征，局部特征混合LFMP用于局部混合源域和目标域的特征；第二卷积模块将源域、目标域和中间域的特征进行特征提取，逐步适应的分类器对提取的特征进行分类；训练方法包括以下步骤： 步骤1，将数量为Ns的有标签的源域图像和数量为Nt的无标签的目标域图像输入隐写分析网络SRNet，输出源域的中间层特征预测标签时输出目标域的中间层特征预测标签其中，表示源域图像集的第i图像，表示源域图像集的第i图像的标签；表示目标域图像集的第j个图像，0表示图像为载体图像，1表示图像为载密图像； 步骤2，确定源域和目标域对应的中间层特征fi s和fj t的局部混合位置，即生成大小为w×v的二进制掩膜M，二进制掩膜M包括多个c×c大小且元素均为1的块；c表示元素为1的块的边长； 步骤3，将尺寸为w×v的单通道的二进制掩膜M扩展为w×v×C的扩展掩膜M′，将扩展掩膜M′与fi s和fj t的对应位置元素相乘得到用于混合操作的源补丁特征和目标补丁特其中，w、v分别表示长和宽，C是通道数； 步骤4，引入域因子λ调节源补丁特征和目标补丁特征对中间域特征的影响程度得到域因子混合补丁特征即： 其中，表示对应位置相加； 步骤5，对于M′中排除局部混合的零值区域，选择保留源特征fi s的对应区域得到源保留特征以增强中间域特征的可分辨性； 步骤6，源保留特征结合域因子混合补丁特征计算得到中间域特征fi m： 其中，表示源保留特征； 步骤7，按照中间域特征fi m的构成成分生成派生标签 步骤8，基于派生标签计算得到整体损失函数值 步骤9，基于整体损失函数值对隐写分析网络进行训练。

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北京印刷学院，其通讯地址为：102600 北京市大兴区兴华街（二段）1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”。