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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于增量学习的生成图像检测模型的构建方法及检测方法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：CN119445154B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411489400.3，技术领域涉及：G06V10/74；该发明授权一种基于增量学习的生成图像检测模型的构建方法及检测方法是由李熔盛;于啸;刘野设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于增量学习的生成图像检测模型的构建方法及检测方法在说明书摘要公布了：本发明公开了一种基于增量学习的生成图像检测模型的构建方法及检测方法，模型构建方法包括：构建图像数据集，数据集包括若干子集，子集包括生成图像和真实图像；选取图像数据集中的指定真实生成图像对数量最多的子集，输入基础特征提取器进行预训练处理，获得损失函数，基于损失函数对基础特征提取器进行优化，获得预训练特征提取器；以预训练特征提取器作为增量阶段特征提取器，在此基础上进行增量训练，设计增量阶段的损失函数，并通过增量阶段的损失函数训练第t阶段的所述预训练特征提取器，直至训练完图像数据集中剩余的子集，获得生成图像检测模型。本发明不仅提高了生成图像检测的准确率，还具备持续学习的能力。

本发明授权一种基于增量学习的生成图像检测模型的构建方法及检测方法在权利要求书中公布了：1.一种基于增量学习的生成图像检测模型的构建方法，其特征在于，包括： 构建图像数据集，所述数据集包括若干子集，所述子集包括生成图像和真实图像； 选取所述图像数据集中的指定真实生成图像对数量最多的子集，输入基础特征提取器进行预训练处理，获得损失函数，基于所述损失函数对所述基础特征提取器进行优化，获得预训练特征提取器； 以所述预训练特征提取器作为增量阶段特征提取器，在此基础上进行增量训练，设计增量阶段的损失函数，并通过所述增量阶段的损失函数训练第t阶段的所述预训练特征提取器，直至训练完图像数据集中剩余的子集，获得生成图像检测模型； 获取所述损失函数的方法为： 式中，，为阈值，为损失函数，为集合v中 向量之间两两的欧式距离，为集合v和集合e中向量之间两两的欧式距离， 为集合e中向量之间两两的欧式距离，为集合e和集合v中向量之间两两的欧式距 离； 进行所述增量训练包括： 将预训练阶段完成后的剩余子集打乱顺序，选取第一个子集，利用预训练阶段的预训练特征提取器针对所述第一个子集进行原型计算，利用计算得到的原型和知识库中已存储的历史原型做最近距离匹配，选择距离最小的历史原型作为锚点； 其中，若当前为第一个增量阶段，则选用预训练特征提取器进行原型的计算；若当前为第t个增量阶段，则使用t-1阶段的特征提取器和第t阶段的子集，进行原型计算； 所述增量阶段的损失函数为： 其中，为增量阶段的损失函数，为阈值，表示计算两个向量集合中两两 向量之间的欧式距离，分别表示第i个子集中真实图像的嵌入向量集合和第i个子集 中生成图像的嵌入向量集合，为真实图像的历史原型，为生成图像的历史原型，为真实图像原型和集合中向量之间两两的欧式距离，为真实图像 原型和集合中向量之间两两的欧式距离，为生成图像原型和集合中向量之 间两两的欧式距离，为生成图像原型和集合中向量之间两两的欧式距离，为嵌入向量集合中向量之间两两的欧式距离，为嵌入向量集合和 嵌入向量集合中向量之间两两的欧氏距离，为嵌入向量集合中向量之间两两 的欧式距离，为嵌入向量集合和嵌入向量集合中向量之间两两的欧氏距离。

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哈尔滨工程大学，其通讯地址为：150006 黑龙江省哈尔滨市南岗区南通大街145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”。

以上内容由龙图腾AI智能生成。