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！

龙图腾网获悉长沙理工大学申请的专利基于多尺度的多级特征融合的人脸图像检测方法以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：CN116343296B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310291741.9，技术领域涉及：G06V40/16；该发明授权基于多尺度的多级特征融合的人脸图像检测方法以及装置是由章登勇;黎岱杰;李峰;宫蓉蓉设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本基于多尺度的多级特征融合的人脸图像检测方法以及装置在说明书摘要公布了：本申请实施例提供了一种基于多尺度的多级特征融合的人脸图像检测方法以及装置。本方法先将待检测人脸图像放大得到高分辨率图像；两种不同分辨率图像在特征提取网络中的两条支路上进行全部卷积后得到两种高级特征图，同时提取在两条支路中途若干次卷积后对应两种低级特征图，然后充分学习两种低级特征图的不同尺度信息，得到融合后的低级特征图；最后将融合后的低级特征图和两种高级特征图进行层级特征融合，保证低级特征所提取的特征信息不丢失的同时，能够与所提取的高级特征进行融合，提取和利用人脸伪造中更具一般性的特征，提高模型的对于人脸检测的泛化能力，进而提高判断人脸图像伪造的准确度；最后基于融合特征图进行判断人脸是否伪造。

本发明授权基于多尺度的多级特征融合的人脸图像检测方法以及装置在权利要求书中公布了：1.一种基于多尺度的多级特征融合的人脸图像检测方法，其特征在于，所述基于多尺度的多级特征融合的人脸图像检测方法包括： 获取待检测人脸图像； 将所述待检测人脸图像放大，得到高分辨率图像； 将所述待检测人脸图像输入至预设特征提取网络中的第一支路网络进行多轮卷积，得到所述第一支路网络输出的第一高级特征图，将所述高分辨率图像输入所述特征提取网络中的第二支路网络进行多轮卷积，得到所述第二支路网络输出的第二高级特征图； 将所述第一支路网络中经过多轮所述卷积后得到的第一低级特征图和所述第二支路网络中经过多轮所述卷积后得到的第二低级特征图输入至预设第一尺度融合网络中进行多尺度信息融合，得到所述第一尺度融合网络输出的第三低级特征图；所述第一尺度融合网络通过如下方式对所述第一低级特征图和所述第二低级特征图进行多尺度信息融合，得到第三低级特征图： 将所述第一低级特征图进行CBR处理，得到第一中间特征图； 将所述第二低级特征图进行CBR处理，得到第二中间特征图，将所述第二中间特征图分别进行最大池化与平均池化后进行特征元素相加，得到第三中间特征图，将所述第三中间特征图进行CBR处理，得到第四中间特征图； 拼接所述第一中间特征图和所述第四中间特征图，得到第五中间特征图； 将所述第五中间特征图进行连续多次CBR处理后，再进行单次卷积后，得到第六中间特征图； 将所述第六中间特征图分别与所述第一低级特征图和所述第二低级特征图进行元素相乘，分别得到第七中间特征图和第八中间特征图； 将所述第七中间特征图和所述第八中间特征图进行元素相加，得到所述第三低级特征图； 将所述第一高级特征图、所述第二高级特征图和所述第三低级特征图输入至预设层级特征融合网络中进行层级特征融合，得到最终融合特征图；所述层级特征融合网络还包括第二尺度融合网络，其中，所述层级特征融合网络通过如下方式对所述第一高级特征图、所述第二高级特征图和所述第三低级特征图进行层级特征融合，得到最终融合特征图： 将所述第一高级特征图和所述第二高级特征图输入至所述第二尺度融合网络中进行多尺度信息融合，得到所述第二尺度融合网络输出的第三高级特征图； 对所述第三低级特征图的通道数和尺度进行调整，以使调整后的所述第三低级特征图的通道数和尺度与所述第三高级特征图一致； 将所述第三高级特征图和调整后的所述第三低级特征图进行元素相加，得到最终融合特征图； 根据所述最终融合特征图判断所述待检测人脸图像的真伪情况。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。