-
公开(公告)号：CN110210016A
公开(公告)日：2019-09-06
申请号：CN201910341056.6
申请日：2019-04-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于风格引导的双线性神经网络虚假新闻检测方法及系统，包括：获取待网络虚假新闻检测的新闻文本，通过神经网络量化该新闻文本的语言风格特征，得到该新闻文本的风格向量，将该新闻文本输入文本特征提取器，得到该新闻文本的文本向量；将该风格向量和该文本向量输入双线性神经网络，该双线性神经网络包括双线性函数，用于建模该风格向量和该文本向量之间的相关性，以得到该新闻文本的的风格-文本特征矩阵，使用该风格-文本特征矩阵中最大分数向量组成引导向量，并将该引导向量输入至全连接层，判定该新闻文本的虚假新闻标签。本发明依据虚假新闻共性的语言风格来引导深度学习模型的学习过程，提升了模型的识别准确度与泛化性能。
-
公开(公告)号：CN109739976A
公开(公告)日：2019-05-10
申请号：CN201811451898.9
申请日：2018-11-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种网络社交平台隐私甄别方法、系统、存储介质和计算机，包括：根据网络社交平台已发布的问题及相关答案之间的结构特征，构建由多组分析数据构成的训练样本集，分析数据包括：问题信息、相关的答案列表信息以及对应的隐私性标签；以训练样本集中的问题信息、相关的答案列表信息为输入，以对应的隐私性标签为输出，训练深度学习模型得到基于深度学习模型的隐私信息甄别模型；获取社交网络平台上发布的问题信息，作为待甄别信息，将待甄别信息和与待甄别信息相关的答案列表信息输入到隐私信息甄别模型，得到待甄别信息的隐私性标签作为隐私甄别结果。
-
公开(公告)号：CN113627503B
公开(公告)日：2023-10-24
申请号：CN202110872711.8
申请日：2021-07-30
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种生成图像溯源模型训练方法，包括以下步骤：将生成图像输入至生成器以获取对应该生成图像的一指纹；将该指纹添加至随机选取的一真实图像上，得到一带指纹图像；将该带指纹图像分别输入至鉴别器和辅助分类器进行训练。
-
公开(公告)号：CN115731621A
公开(公告)日：2023-03-03
申请号：CN202211387397.5
申请日：2022-11-07
Applicant: 中国科学院计算技术研究所
IPC: G06V40/40 , G06V40/16 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0495 , G06N3/09 , G06N3/096 , G06N3/08
Abstract: 本发明提出一种基于知识蒸馏的深度合成图像视频伪造检测方法和系统，包括：针对各类型的图像篡改方法，基于多个骨架网络依次构建多个第一模型，使用已标记真伪类别的图像作为训练样本，训练每个第一模型，将训练完成的第一模型作为教师模型；对训练样本在各教师模型上的多个层次的样本特征进行提取，分布使用L2距离和余弦相似度，得到样本特征间的距离和角度关系，作为样本特征间的特征关系。将训练样本输入结构复杂度低于骨架网络的第二模型，并以特征关系为监督，构建每个第二模型的损失函数，以训练第二模型，得到每个教师网络对应的学生模型；将待伪造检测的图像输入学生模型，融合学生模型输出的结果，得到伪造检测结果。
-
公开(公告)号：CN115719520A
公开(公告)日：2023-02-28
申请号：CN202211387390.3
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量化技术的图像深伪检测加速方法和系统，包括：获取已标记深伪检测结果的训练视频，从训练视频中抽取伪造检测的关键帧，对关键帧进行压缩并去除冗余信息后提取保留伪造检测关键维度的帧特征；基于帧特征，利用人脸识别算法，定位关键帧中人脸位置信息，基于人脸位置信息、帧特征和已标记深伪检测结果，训练得到初始检测模型；对初始检测模型的权重、激活值进行量化转换，并验证推理速度和精度损失间的平衡，将量化转换后的初始检测模型作为中间模型；对中间模型进行微调或重训练，得到最终的深度伪造检测模型；将待深度伪造检测的视频输入深度伪造检测模型，得到其是否属于伪造视频的检测结果。
-
Patent Agency Ranking
公开(公告)号：CN114419354A
公开(公告)日：2022-04-29
申请号：CN202111588774.7
申请日：2021-12-23
Applicant: 中国科学院计算技术研究所
IPC: G06V10/762 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62 , G06F21/62
Abstract: 本发明公开了一种基于关键区域动态分析的图片隐私风险预测模型训练方法，包括以下步骤：提取训练数据集中的图片的初步特征；将所述初步特征进行聚类以获得所述图片的多个关键区域及其特征；基于所述多个关键区域的特征，利用神经网络学习所述图片的多个关键区域的相关性矩阵；根据所述相关性矩阵融合所述多个关键区域的特征以获得所述图片的融合特征；基于所述融合特征预测所述图片的隐私风险。
-
-
公开(公告)号：CN113536760A
公开(公告)日：2021-10-22
申请号：CN202110761419.9
申请日：2021-07-06
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种引述句和辟谣模式句引导的“谣言‑辟谣文章”匹配方法及系统。通过引导模型行为，使其更加关注辟谣文章中带有“引述”和“辟谣模式”成分的句子，实现考虑到辟谣文章特点的“谣言‑辟谣文章”匹配程度评分。具体地，本发明通过使用文字相似度指标精调神经网络模型增强引述句的发现能力，通过引入模式向量增强辟谣模式句的发现能力，从而使模型关注到含有引述成分和辟谣模式的关键句子，过滤掉辟谣文章中大部分无关句子，最终实现高效准确的“谣言‑辟谣文章”匹配。
-
公开(公告)号：CN113313202A
公开(公告)日：2021-08-27
申请号：CN202110686059.0
申请日：2021-06-21
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于渐进式未知域扩展的单域泛化网络，包括样本生成器G、分类模型M以及循环生成器Gcyc，其中样本生成器G用于将样本泛化到多个领域，分类模型M用于对输入分类，并用于验证样本生成器G生成样本的有效性与安全性，循环生成器Gcyc用于验证样本生成器G生成样本的安全性，其中经过样本生成器G泛化后的样本作为分类模型M的训练样本对分类模型M进行训练，以及作为循环生成器Gcyc的输入，由循环生成器Gcyc进行验证。本发明在分布外样本分类、分布外图像分割任务中有效的提升了分类正确率，并且可以推广至其他有限有偏样本的分类任务中。
-
公开(公告)号：CN113239685A
公开(公告)日：2021-08-10
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: G06F40/284 , G06F40/30 , G06F40/242 , G06F40/216 , G06F16/35 , G06K9/62
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。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.034 seconds)
