-
公开(公告)号：CN109858505B
公开(公告)日：2023-04-07
申请号：CN201711244226.6
申请日：2017-11-30
Applicant: 厦门大学 , 深圳市腾讯计算机系统有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种分类识别方法、装置及设备，属于机器学习技术领域。所述方法包括：通过第一神经网络提取源域数据和目标域数据的跨域不变特征；通过第二神经网络提取源域数据和目标域数据的域辨识特征；通过第三神经网络根据跨域不变特征和域辨识特征，得到融合特征；利用融合特征进行分类识别和来源识别；根据识别结果训练第一神经网络、第二神经网络和第三神经网络；采用训练得到的第一神经网络，识别目标域数据对应的分类。通过将域辨识特征和跨域不变特征共同作为训练神经网络时的约束项，提高了训练完毕的神经网络对目标域数据进行分类识别的准确率。
-
公开(公告)号：CN109858505A
公开(公告)日：2019-06-07
申请号：CN201711244226.6
申请日：2017-11-30
Applicant: 厦门大学 , 深圳市腾讯计算机系统有限公司
Abstract: 本发明公开了一种分类识别方法、装置及设备，属于机器学习技术领域。所述方法包括：通过第一神经网络提取源域数据和目标域数据的跨域不变特征；通过第二神经网络提取源域数据和目标域数据的域辨识特征；通过第三神经网络根据跨域不变特征和域辨识特征，得到融合特征；利用融合特征进行分类识别和来源识别；根据识别结果训练第一神经网络、第二神经网络和第三神经网络；采用训练得到的第一神经网络，识别目标域数据对应的分类。通过将域辨识特征和跨域不变特征共同作为训练神经网络时的约束项，提高了训练完毕的神经网络对目标域数据进行分类识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109598227B
公开(公告)日：2022-11-11
申请号：CN201811448853.6
申请日：2018-11-28
Applicant: 厦门大学
Abstract: 一种基于深度学习的单幅图像手机源重辨识方法，涉及图像取证领域。提出一种新的图像取证方法，解决基于分类的相机溯源方法中训练集类别不足问题；基于传统数字图像指纹特征提取方法，提出利用多种自学习滤波器在单幅图像中提取手机指纹特征的方法，并解释深度神经网络对于数字图像指纹特征提取的可行性；提出一种基于全局特征融合的深度网络结构，以高效提取数字图像指纹特征；根据自学习滤波器和全局特征融合网络所提取的数字图像指纹特征，利用度量学习方法追溯拍摄该幅图像的具体手机源设备。
-
公开(公告)号：CN109598227A
公开(公告)日：2019-04-09
申请号：CN201811448853.6
申请日：2018-11-28
Applicant: 厦门大学
Abstract: 一种基于深度学习的单幅图像手机源重辨识方法，涉及图像取证领域。提出一种新的图像取证方法，解决基于分类的相机溯源方法中训练集类别不足问题；基于传统数字图像指纹特征提取方法，提出利用多种自学习滤波器在单幅图像中提取手机指纹特征的方法，并解释深度神经网络对于数字图像指纹特征提取的可行性；提出一种基于全局特征融合的深度网络结构，以高效提取数字图像指纹特征；根据自学习滤波器和全局特征融合网络所提取的数字图像指纹特征，利用度量学习方法追溯拍摄该幅图像的具体手机源设备。
-
公开(公告)号：CN109034230B
公开(公告)日：2021-03-30
申请号：CN201810785332.3
申请日：2018-07-17
Applicant: 厦门大学
Abstract: 一种基于深度学习的单幅图像相机溯源方法，涉及信息安全领域，包括以下步骤，步骤1、利用多尺度拉普拉斯滤波器提取不同尺度的高频图像，并进行初步特征提取和拼接合并；步骤2、将步骤1中拼接合并后的特征送入基于信噪比增强的特征抽取器进一步进行特征提取；步骤3、将步骤2中进一步提取的特征送入基于层级结构的串联型多任务分类模块，实现对相机品牌、相机型号或个体相机设备的识别；能够自适应地提取相机成像过程的微弱指纹特征，抑制强背景噪声，且准确率高，也可适用于对篡改图像的相机溯源和对手机拍摄图像的溯源，具有更强的鲁棒性。
-
公开(公告)号：CN110349136A
公开(公告)日：2019-10-18
申请号：CN201910573995.3
申请日：2019-06-28
Applicant: 厦门大学
Abstract: 一种基于深度学习的篡改图像检测方法，涉及图像被动取证领域。构造基于多尺度噪声约束的卷积层，用以获得图像中的高频噪声残差；使用双流网络进行篡改图像检测；使用多任务学习方法，同时实现图像区域是否篡改的分类，以及篡改区域的检测和分割任务；在网络优化时，提取感兴趣区域提取网络、篡改分类支路、篡改区域的检测支路以及分割支路这四部分的输出特征，计算网络的误差进行反向传播，进一步调整网络参数，使网络达到最优解。可实现对于图像是否篡改的识别，并对篡改图像中的篡改区域做出精确的检测和分割，使其适用于实际应用场景。通过深度学习方法检测图像的真实性，进而解决图像恶意篡改问题，提高篡改检测的准确率和泛化能力。
-
公开(公告)号：CN109034230A
公开(公告)日：2018-12-18
申请号：CN201810785332.3
申请日：2018-07-17
Applicant: 厦门大学
CPC classification number: G06K9/6269 , G06K9/40 , G06K9/46 , G06N3/0454
Abstract: 一种基于深度学习的单幅图像相机溯源方法，涉及信息安全领域，包括以下步骤，步骤1、利用多尺度拉普拉斯滤波器提取不同尺度的高频图像，并进行初步特征提取和拼接合并；步骤2、将步骤1中拼接合并后的特征送入基于信噪比增强的特征抽取器进一步进行特征提取；步骤3、将步骤2中进一步提取的特征送入基于层级结构的串联型多任务分类模块，实现对相机品牌、相机型号或个体相机设备的识别；能够自适应地提取相机成像过程的微弱指纹特征，抑制强背景噪声，且准确率高，也可适用于对篡改图像的相机溯源和对手机拍摄图像的溯源，具有更强的鲁棒性。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
