公开(公告)号：CN119048843B

公开(公告)日：2025-03-18

申请号：CN202411508410.7

申请日：2024-10-28

Applicant: 南昌大学

Inventor： 丁峰 ,  张月 ,  张俊 ,  徐健锋 ,  华鑫

IPC: G06V10/764 ,  G06V10/42 ,  G06V10/774 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明提供了一种基于图拓扑学习的AI生成图像检测方法，涉及图像处理技术领域。基于图拓扑学习的AI生成图像检测方法包括以下步骤：基于冻结的CLIP提取多张图像样本的全局视觉特征；基于所述多张图像样本构建图拓扑结构，基于图卷积网络获取图拓扑结构中节点之间的关系特征；进行拼接融合获得节点特征向量，并输送到线性层进行真假分类预测获得检测结果；基于度量学习损失函数更新图卷积网络的参数，基于二元交叉熵损失更新线性层的参数。本发明根据CLIP的视觉特征设计了一种难样本区分的图拓扑结构，将图拓扑的特征输入到图卷积网络中进行特征学习，进一步丰富和增强了特征表示的判别力，提升了检测时的准确性和泛化性。

公开(公告)号：CN119048843A

公开(公告)日：2024-11-29

申请号：CN202411508410.7

申请日：2024-10-28

Applicant: 南昌大学

Inventor： 丁峰 ,  张月 ,  张俊 ,  徐健锋 ,  华鑫

IPC: G06V10/764 ,  G06V10/42 ,  G06V10/774 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明提供了一种基于图拓扑学习的AI生成图像检测方法，涉及图像处理技术领域。基于图拓扑学习的AI生成图像检测方法包括以下步骤：基于冻结的CLIP提取多张图像样本的全局视觉特征；基于所述多张图像样本构建图拓扑结构，基于图卷积网络获取图拓扑结构中节点之间的关系特征；进行拼接融合获得节点特征向量，并输送到线性层进行真假分类预测获得检测结果；基于度量学习损失函数更新图卷积网络的参数，基于二元交叉熵损失更新线性层的参数。本发明根据CLIP的视觉特征设计了一种难样本区分的图拓扑结构，将图拓扑的特征输入到图卷积网络中进行特征学习，进一步丰富和增强了特征表示的判别力，提升了检测时的准确性和泛化性。

公开(公告)号：CN119006932A

公开(公告)日：2024-11-22

申请号：CN202411463290.3

申请日：2024-10-21

Applicant: 南昌大学

Inventor： 朱小刚 ,  林波 ,  张月 ,  丁峰 ,  徐健锋 ,  涂敏

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提供了一种基于双阶段学习的深度伪造图像检测方法，涉及图像处理技术领域，该方法包括以下步骤：S1、获取第一真假图像对的第一全局特征，基于所述第一全局特征获取第一通用伪造特征信息，基于所述第一通用伪造特征信息检测图像并更新所述初始检测模型的参数；S2、获取第二真假图像对的第二全局特征，基于所述第二全局特征获取第二通用伪造特征信息、特定伪造方法、性别以及种族，计算特征分类损失，基于所述特征分类损失更新检测模型的参数。本发明提供的基于双阶段学习的深度伪造图像检测方法，能够有效的检测深度伪造图像，并提高对于未知深度伪造图像技术的检测成功率。

公开(公告)号：CN119006932B

公开(公告)日：2025-03-18

申请号：CN202411463290.3

申请日：2024-10-21

Applicant: 南昌大学

Inventor： 朱小刚 ,  林波 ,  张月 ,  丁峰 ,  徐健锋 ,  涂敏

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提供了一种基于双阶段学习的深度伪造图像检测方法，涉及图像处理技术领域，该方法包括以下步骤：S1、获取第一真假图像对的第一全局特征，基于所述第一全局特征获取第一通用伪造特征信息，基于所述第一通用伪造特征信息检测图像并更新所述初始检测模型的参数；S2、获取第二真假图像对的第二全局特征，基于所述第二全局特征获取第二通用伪造特征信息、特定伪造方法、性别以及种族，计算特征分类损失，基于所述特征分类损失更新检测模型的参数。本发明提供的基于双阶段学习的深度伪造图像检测方法，能够有效的检测深度伪造图像，并提高对于未知深度伪造图像技术的检测成功率。

公开(公告)号：CN119313978A

公开(公告)日：2025-01-14

申请号：CN202411835783.5

申请日：2024-12-13

Applicant: 南昌大学

Inventor： 丁峰 ,  张俊 ,  张月 ,  朱小刚 ,  涂敏 ,  徐健锋

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明提供了一种人工智能生成图像公平性检测方法及系统，涉及图像处理技术领域，包括：将自然图像输入预训练的图像编码器获取自然语义，将AI生成图像与自然图像组合后输入图像编码器获取原始图像语义，并输入待训练的公平适配器网络模型进行残差融合，获取自然和生成增强语义；融合自然语义与生成增强语义生成第一混合样本，融合自然语义与自然增强语义生成第二混合样本，并得到混合样本；将混合样本输入分类头计算公平适配器损失函数，得到训练好的公平适配器网络模型；将增强语义输入待训练的分类网络模型获取图像分类语义，生成分类结果。本发明通过构建全新的公平性辅助模块和分类模块，能够提高图像公平性的检测性能。