一种编解码算法性能测试方法、装置、设备及介质

    公开(公告)号:CN116866546A

    公开(公告)日:2023-10-10

    申请号:CN202310857043.0

    申请日:2023-07-13

    Abstract: 本申请实施例提供了一种编解码算法性能测试方法、装置、设备及介质,在该方法中,将测试图像输入到特征提取网络,基于特征提取网络,提取测试图像的第一图像特征;将第一图像特征封装为待测试编码算法对应的第二图像特征;利用待测试编码算法对第二图像进行编码,确定第三图像特征;利用待测试编码算法对应的待测试解码算法对第三图像特征,确定第四图像特征;将第四图像特征输入机器视觉检测模型,基于机器视觉检测模型,确定待测试编码算法和待测试解码算法的第一性能测试结果,在性能测试过程中更关注图像特征,而非面向人眼的图像,关注图像特征相当于关注任务精度,因此可以适用于机器视觉编解码算法,可以满足多样的测试需求。

    基于联合模型的图像鉴伪方法、电子设备和存储介质

    公开(公告)号:CN119919725A

    公开(公告)日:2025-05-02

    申请号:CN202411999851.1

    申请日:2024-12-31

    Abstract: 本申请提出一种基于联合模型的图像鉴伪方法、电子设备和存储介质,属于图像处理技术领域。该方法中,频率分析模块根据待检测图像不同频率段的信息和攻击类型,生成不同攻击类型对应的特征图;知识微调模块根据不同攻击类型对应的特征图,对各个适配器子模块中的中心差分卷积与原始卷积之间的分配率进行微调,知识重组模块可根据不同攻击类型对应的特征图,确定各个适配器子模块分别对应的输出权重。由此,可使得编码器模块基于微调后的适配器子模块对待检测图像进行特征提取,得到每一适配器子模块分别对应的图像特征,并根据确定的各个适配器子模块分别对应的输出权重,对各个图像特征进行加权融合,以此,能够对多种伪造方法进行精准有效的鉴伪检测。

    视频编码方法、视频解码方法、装置和通信设备

    公开(公告)号:CN119277084A

    公开(公告)日:2025-01-07

    申请号:CN202310827426.3

    申请日:2023-07-06

    Abstract: 本申请涉及一种视频编码方法、视频解码方法、装置和通信设备。所述方法通过对视频帧对应的多个视频特征进行融合以及编码,得到编码特征,再将编码特征发送至接收设备。该方法通过融合不同视频特征后进行编码,具备了针对多数量和/或多尺度的视频特征进行编码的能力,在一定程度上提高的视频数据的编码效率,进而当需要对大量的视频特征进行编码后传输时,可以在一定程度上提高视频数据传输的速率。另外,由于对不同视频特征进行了融合处理,可以去除多个视频特征中存在的语义冗余的特征,可以在一定程度上提高编码效果,进而可以提高后期基于编码特征进行解码和还原后的特征的还原度。

    检索增强生成方法及装置、计算机程序产品、电子设备

    公开(公告)号:CN119621933A

    公开(公告)日:2025-03-14

    申请号:CN202411688564.9

    申请日:2024-11-22

    Abstract: 本公开实施例是关于一种检索增强生成方法及装置、计算机程序产品、电子设备,涉及人工智能技术领域,该方法包括:确定目标模型的输入集合,并将所述输入集合划分为训练集以及验证集;确定候选集合以及结果集合,并基于所述训练集确定所述候选集合中的每个元素的参数信息,以确定加入所述结果集合的元素;对所述结果集合中的每个元素基于所述验证集进行验证处理,确定目标检索结果数量;将所述目标检索结果数量对应的检索结果输入目标模型,生成输出结果。本公开能够准确地确定用于检索增强的目标检索结果数量,提高检索增强生成效果。

    模型训练方法、目标检测方法及装置、设备和产品

    公开(公告)号:CN119600304A

    公开(公告)日:2025-03-11

    申请号:CN202411644456.1

    申请日:2024-11-15

    Abstract: 本公开是关于一种模型训练方法、目标检测方法及装置、设备和产品,涉及计算机视觉技术领域。该方法包括:获取训练图像集,通过初始适配器网络对多个训练图像进行特征提取处理,得到第一图像特征;获取初始目标检测模型;由头部检测模型对多个训练图像进行特征提取处理,得到第二图像特征;基于第一图像特征与第二图像特征确定特征损失值并对初始适配器网络进行训练,得到适配器网络;根据适配器网络与主体检测模型,构建目标检测模型。本公开将适配器转换解码特征作为目标检测模型的输入,只需很小的代价就可以训练一个低复杂度的适配器网络,无需重新训练大参数量的目标检测模型,可以大量减少训练过程中的显存占用。

Patent Agency Ranking