-
公开(公告)号：CN116189313A
公开(公告)日：2023-05-30
申请号：CN202211387389.0
申请日：2022-11-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于并发策略的深度合成图像视频伪造检测方法和系统，包括：获取由多个操作构成的深伪检测流程，将该深伪检测流程中操作耗时程度大于预设值的操作作为独立操作，并通过为每个独立操作的数据输入，构建对应的输入缓存队列，得到独立检测流程；以多个该独立检测流程并发执行图像的伪造检测任务，且在伪造检测过程中每个独立检测流程的输入缓存队列根据打包数据策略，将队列中的数据打包送入与当前输入缓存队列对应的独立操作；汇总各独立检测流程的输出，得到该图像的伪造检测结果。
-
公开(公告)号：CN115393697A
公开(公告)日：2022-11-25
申请号：CN202210895693.X
申请日：2022-07-28
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06V20/00 , G06V10/26 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于多元特征融合分割的图片伪造检测方法和系统，通过提取图像中伪造区域的光照梯度、噪声分布、压缩一致性特征后，对其进行加权融合成一个新的综合特征，送入到专用的分割神经网络判断图像是否是伪造的，并标记出伪造区域，同时将多元融合特征与网络分割结果结合，给出伪造检测的解释性展示，在提高传统方法的准确率和普适性的同时，弥补了深度学习方法可解释性较低的不足。
-
公开(公告)号：CN110287314B
公开(公告)日：2021-08-06
申请号：CN201910418900.0
申请日：2019-05-20
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/35
Abstract: 本发明涉及一种基于无监督聚类的长文本可信度评估方法，包括：以已知长文本获取训练数据，提取该训练数据的训练特征以构建训练特征向量集，对该训练特征向量集进行无监督聚类，得到多个训练类心；以待评估长文本获取评估数据，提取该评估数据的评估特征向量；获取该评估特征向量相对该训练类心的评估值，并以该评估值得到该待评估长文本的可信度。本发明通过无监督聚类对长文本进行可信度评估，在实施过程中不需要标注数据，节省了人力、物力与时间，避免了数据中标签稀疏带来的困扰；提取了长文本的文本特征，对于可信度评估任务更加适用，使用该模型得到的文本的可信度更具有可解释性，同时在平台之间可以迁移。
-
公开(公告)号：CN109829089B
公开(公告)日：2021-03-05
申请号：CN201811516557.5
申请日：2018-12-12
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/906 , G06F16/958 , G06Q50/00
Abstract: 本发明涉及一种基于关联图谱的社交网络用户异常检测方法和系统，针对现有事件可视化展示技术的不足以及事件、用户、事件主题等多种实体关联性较弱不易于进行用户异常检测，提出一种基于微博平台的事件可视化方法以及事件、用户、事件主题等多种实体构建异构关联网络图谱进行用户异常检测；在不缺失事件信息的同时，让使用者更加全面、深入地了解整个事件的发展演变过程，并根据已有的异构关联网络图谱更加直观的进行用户异常检测。
-
公开(公告)号：CN112132133A
公开(公告)日：2020-12-25
申请号：CN202010545903.3
申请日：2020-06-16
Applicant: 杭州中科睿鉴科技有限公司 , 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种标识图像数据增强方法及真伪智能鉴定方法。本发明的目的是提供一种标识图像数据增强方法及真伪智能鉴定方法，解决现有图像分类算法遇到小样本问题时的解决方案。本发明的技术方案是：一种标识图像数据增强方法，其特征在于：获取显示有标识的真图；获取真图中标识的关键特征数据；基于关键特征数据建立伪图数据规则；根据数据规则生成伪图。本发明适用于计算机视觉技术领域。
-
Patent Agency Ranking
公开(公告)号：CN111553916A
公开(公告)日：2020-08-18
申请号：CN202010388676.8
申请日：2020-05-09
Applicant: 杭州中科睿鉴科技有限公司 , 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的目的是提供一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的技术方案是：一种基于多种特征和卷积神经网络的图像篡改区域检测方法，其特征在于：获取待检测图像：对待检测图像进行基于双重压缩痕迹特征的篡改检测；将待检测图像输入具有RGB流和噪声流双流输入的双流卷积篡改检测网络模型进行检测；对待检测图像进行基于图像匹配的复制-粘帖检测；输出检测结果。本发明适用于数字图像取证领域。
-
公开(公告)号：CN113239685B
公开(公告)日：2023-10-31
申请号：CN202110041193.5
申请日：2021-01-13
Applicant: 中国科学院计算技术研究所
IPC: G06F40/30 , G06F40/284 , G06F40/242 , G06F40/216 , G06F16/35 , G06F18/25 , G06F18/241
Abstract: 本发明提出一种基于双重情感的舆情检测方法及系统，基于提出的双重情感特征，能够通过简单的多层感知机模块融合到领域内现有的检测模型中，具有很强的便捷性。在融合了双重情感特征之后，模型的检测准确率、召回率、F1值等指标都能够大幅提高，有效提升舆情检测的性能。
-
公开(公告)号：CN113254864A
公开(公告)日：2021-08-13
申请号：CN202110478862.5
申请日：2021-04-29
Applicant: 中国科学院计算技术研究所数字经济产业研究院 , 杭州中科睿鉴科技有限公司
Abstract: 本发明涉及一种基于节点特征和回复路径的动态子图生成方法、争议性检测方法，S1、基于“帖子‑评论”图G构建路径矩阵P和路径长度矩阵S，其中路径矩阵P记录图G中每个节点到终端节点的所有路径，终端节点包括图G中的帖子节点和没有回复的评论节点；路径长度矩阵S记录路径矩阵中每条路径的长度；S2、基于路径矩阵P和路径长度矩阵S计算得到路径拉普拉斯矩阵L；S3、基于路径拉普拉斯矩阵L以及图G中节点本身的内容特征，计算获得当前节点感知路径信息的表达；S4、基于当前节点与相应路径上所有节点的相似性，保留每条路径上最重要的部分节点，所有路径上的重要节点构成当前节点对应的子图，该子图中的节点为与当前节点相关的局部讨论。
-
公开(公告)号：CN112148875A
公开(公告)日：2020-12-29
申请号：CN202010768194.5
申请日：2020-08-03
Applicant: 杭州中科睿鉴科技有限公司 , 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的目的是提供一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的技术方案是一种基于图卷积神经网络整合内容和结构信息的争议性检测方法，其特征在于：建立“话题‑帖子‑评论”图，图中评论连接到该评论回复的评论/帖子上，帖子连接到该帖子属于的话题上；根据“话题‑帖子‑评论”图中话题节点、帖子节点和评论节点的文本获取相应节点的初始表达向量；使用图卷积神经网络学习“话题‑帖子‑评论”图中节点的表达；根据帖子节点和相应评论节点的平均表达进行争议性分类。本发明适用于社交媒体平台争议性检测领域。
-
公开(公告)号：CN110889430A
公开(公告)日：2020-03-17
申请号：CN201911018018.3
申请日：2019-10-24
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于多域视觉特征的新闻图像检测方法，包括：提取新闻图像在各频域上的频域向量，获取该频域向量在对应频域上的频域特征，并将该频域特征拼接为该新闻图像的物理视觉特征；获取该新闻图像在各语义上的语义特征，将该语义特征的正向GRU特征序列和反向GRU特征序列，拼接为该新闻图像的语义视觉特征；将该物理视觉特征和该语义视觉特征进行融合及逻辑回归分类，以获取该新闻图像为虚假新闻图像类别的预测概率。本发明基于对虚假新闻图像特点的深入分析，设计了一个深度学习模型，能够充分建模并融合图像在频率域以及像素域的特点，从而实现利用视觉内容对虚假新闻的自动检测。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.043 seconds)
