-
公开(公告)号：CN117876520A
公开(公告)日：2024-04-12
申请号：CN202410055134.7
申请日：2024-01-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于掩码的图像生成模型训练效率提升方法，属于图像生成技术领域。通过获取大量训练图像，确定图像数据的掩码方式和掩码率，得到数据集；在数据集中随时采样N张图像并分别进行随机遮盖；通过添加噪声和去噪训练在遮盖后的剩余图像上训练扩散模型，在完整图像上进一步训练扩散模型，直至模型收敛；最后基于收敛后的模型进行采样生成图片。本发明能够在不引入额外训练开销，保持低复杂度的情况下，直接在图像空间提升扩散模型训练效率，且提升了模型生成图像的质量。
-
公开(公告)号：CN117593311B
公开(公告)日：2024-06-21
申请号：CN202410081459.2
申请日：2024-01-19
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/096 , G06N3/0455
Abstract: 本发明公开了一种基于对抗生成网络的深度合成图像检测增强方法及装置，属于图像检测技术领域，包括以下步骤：收集深度合成图像数据集#imgabs0#；根据数据集训练真伪检测模型；训练对抗生成网络以提高真伪检测模型对深度合成数据的检测性能；根据真伪检测模型构建包含梯度信息在内新数据集#imgabs1#；根据新数据集#imgabs2#对第三方真伪检测模型进行重新训练；深度合成服务方使用对抗生成网络对深度合成图片进行增强，使得第三方真伪检测模型以高检测率检测深度合成图片。本发明采用上述的一种基于对抗生成网络的深度合成图像检测增强方法及装置，可以提高对深度合成图片的检测率。
-
公开(公告)号：CN119625437A
公开(公告)日：2025-03-14
申请号：CN202510148813.3
申请日：2025-02-11
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06N5/04
Abstract: 本发明提供了一种图像敏感元素的审查系统、方法、计算机设备及介质，属于图像敏感元素审查技术领域。该系统包括图像预处理模块、初步判断模块、提取三元组模块、多头扩充模块和筛查去噪模块。图像预处理模块对图像进行预处理操作，得到待测图像。初步判断模块利用多模态大语言模型对待测图像和敏感词的相关度进行初步判断。提取三元组模块提取待测图像中的三元组信息，多头扩充模块对三元组中的每个单一词进行多头扩充，结合敏感词表寻找相关敏感词。筛查去噪模块对敏感词进行筛查去噪，判断敏感词是否真正出现在待测图像中，据此判定待测图像的安全性。本发明提高了图像敏感元素审查的准确性。
-
公开(公告)号：CN117892340A
公开(公告)日：2024-04-16
申请号：CN202311835568.0
申请日：2023-12-27
Applicant: 浙江大学杭州国际科创中心
Abstract: 本发明公开一种基于特征一致性的联邦学习攻击检测方法、系统及装置，方法包括：基于提取符号向量、排序向量、分类器向量及特征提取器向量；进行局部一致性检测，得到局部异常分数，判断与预设局部一致性分数阈值的关系，得到客户端局部检测结果；进行任务一致性检测，得到任务相似性分数，判断与预设任务一致性条件的关系，得到客户端任务检测结果；获取特征提取器向量的数据一致性，判断数据域距离与预设数据一致性条件的关系，得到客户端数据检测结果；剔除恶意客户端，通过良性客户端对客户端梯度更新进行分析处理。本发明方法对梯度更新特征进行分析，解决了现有联邦学习攻击检测方法中检测种类单一且联邦学习所得全局模型准确性降低的问题。
-
Patent Agency Ranking
公开(公告)号：CN117877501A
公开(公告)日：2024-04-12
申请号：CN202311818377.3
申请日：2023-12-27
Applicant: 浙江大学杭州国际科创中心
IPC: G10L21/0208 , G10L25/30 , G10L17/18
Abstract: 本发明公开了一种基于神经网络的语音干扰噪声授权消除方法，包括以下步骤：步骤1、获取语音数据集；步骤2、收集多种不同形式的语音噪声数据；步骤3、在噪声数据中引入随机时间偏移；步骤4、在噪声数据中引入随机冲激响应特征；步骤5、在收集语音数据上添加噪声数据集中的噪声；步骤6、训练和使用噪声消除神经网络模型。本发明提供的方法能够实现授权定向清除不同形式的干扰噪音，以获得高质量的语音数据。
-
公开(公告)号：CN117633899A
公开(公告)日：2024-03-01
申请号：CN202311825793.6
申请日：2023-12-27
Applicant: 浙江大学杭州国际科创中心
Abstract: 本发明公开一种基于掩码的人脸图像生成模型隐私保护方法、系统及装置，方法包括：获取原始人脸数据集并进行预处理得到裁剪对齐图片；基于所述裁剪对齐图片，得到通用的人脸特征重要性热力图；进行归一化处理，得到归一化特征重要性数值；基于归一化特征重要性数值将原始人脸图像分割为图像块，得到人脸关键部分并基于人脸关键部分代替原始人脸数据集中相同部位，得到训练数据集；对训练数据集中每张图片加入随机噪声，进而得到训练损失结果；根据训练损失结果进行参数优化及更新，得到深度伪造人脸生成预训练模型；对深度伪造人脸生成预训练模型进行训练微调，得到深度伪造人脸生成模型。本发明能有效的保护人脸数据集隐私，减少人脸数据泄露。
-
公开(公告)号：CN117877129A
公开(公告)日：2024-04-12
申请号：CN202311813132.1
申请日：2023-12-26
Applicant: 浙江大学杭州国际科创中心
Abstract: 本发明公开一种基于信息瓶颈的深度伪造图像检测方法、系统及装置，方法包括：获取真伪视频，通过预处理得到真伪图像数据集；基于初始图像真伪检测模型，对真伪图像数据集进行特征提取得到图像局部特征集及联合局部特征，建立局部损失函数；通过联合局部特征，得到图像全局特征，进而搭建全局损失函数；基于图像全局特征判定真伪，通过结果搭建类别损失函数；结合局部损失函数、全局损失函数及类别损失函数，对初始伪造图像检测模型进行优化更新，得到图像真伪检测模型；将待检测图像输入图像真伪检测模型中，得到图像真伪检测结果。通过本发明的方法得到更加全面的伪造特征，解决现有伪造图像检测模型的准确度不足及泛化性不强的问题。
-
公开(公告)号：CN117876204A
公开(公告)日：2024-04-12
申请号：CN202410055135.1
申请日：2024-01-15
Applicant: 浙江大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于模型密钥的图像深度区域篡改主动取证方法，涉及图像深度篡改取证领域，包括以下步骤：S1：获取模型，获取基于频域变换的可逆神经网络Invertible NeuralNetwork的图像水印模型；S2：生成模型密钥，随机生成模型密钥Kp由发布方持有；S3：制作安全水印模型；S4：注入水印；S5：获取会话密钥，步骤S4中得到的冗余信息矩阵作为会话密钥Ks，由发布方持有；S6：解析水印。本发明采用上述方法，使被保护图像的隐藏信息仅在双密钥均正确的前提下才能被准确提取，提升取证效果的可靠性。还具备针对深度区域篡改算法的改动部位定位能力，扩充取证信息维度。
-
公开(公告)号：CN117593311A
公开(公告)日：2024-02-23
申请号：CN202410081459.2
申请日：2024-01-19
Applicant: 浙江大学
IPC: G06T7/00 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/096 , G06N3/0455
Abstract: 本发明公开了一种基于对抗生成网络的深度合成图像检测增强方法及装置，属于图像检测技术领域，包括以下步骤：收集深度合成图像数据集 ；根据数据集训练真伪检测模型；训练对抗生成网络以提高真伪检测模型对深度合成数据的检测性能；根据真伪检测模型构建包含梯度信息在内新数据集；根据新数据集对第三方真伪检测模型进行重新训练；深度合成服务方使用对抗生成网络对深度合成图片进行增强，使得第三方真伪检测模型以高检测率检测深度合成图片。本发明采用上述的一种基于对抗生成网络的深度合成图像检测增强方法及装置，可以提高对深度合成图片的检测率。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.044 seconds)
