-
公开(公告)号：CN117079356A
公开(公告)日：2023-11-17
申请号：CN202311102453.0
申请日：2023-08-29
Applicant: 中国信息通信研究院
IPC: G06V40/40 , G06V10/82 , G06V10/774 , G06V10/764 , G06V40/16 , G06N3/0455 , G06N3/08
Abstract: 本申请实施例公开了一种对象鉴伪模型构建方法、虚假对象检测方法及装置。其中，该方法包括：对第一训练数据集中的图像进行掩码处理，得到多张掩码处理后的图像；利用多张掩码处理后的图像训练图像重建模型，得到训练完成的图像重建模型；利用训练完成的图像重建模型中的编码器的权重初始化对象鉴伪模型的骨干网络参数，得到初始化完成的对象鉴伪模型；利用第二训练数据集对初始化完成的对象鉴伪模型进行二分类训练，得到训练完成的对象鉴伪模型，该训练完成的对象鉴伪模型用于判断待检测对象图像是否为虚假对象图像。可见，本申请实施例提高了对象鉴伪模型的鲁棒性，从而使得应用该对象鉴伪模型进行虚假对象检测，能提高虚假对象检测的准确性。
-
公开(公告)号：CN116883817A
公开(公告)日：2023-10-13
申请号：CN202310926874.9
申请日：2023-07-26
Applicant: 中国信息通信研究院
IPC: G06V10/82 , G06V10/774 , G06V10/20 , G06V10/24
Abstract: 本发明提供一种基于人工智能的目标增强检测方法和系统，本发明的优势在于：通过深度学习技术，提高了目标检测的准确度和鲁棒性；通过数据增强和图像增强技术，增加了数据集的多样性和复杂性，提高了模型的泛化能力；整个系统具有高效的处理速度，可以在实际应用中实时进行目标检测。通过深度学习技术，结合图像增强和数据增强，克服了现有技术在处理复杂场景，如目标尺度变化、遮挡、低分辨率和噪声干扰时，存在准确度低和鲁棒性差的问题。
-
公开(公告)号：CN116866211A
公开(公告)日：2023-10-10
申请号：CN202310763614.4
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: H04L43/04 , H04L41/16 , H04L9/40 , G06F18/213 , G06F18/241 , G06N3/0464
Abstract: 本发明提供一种改进的深度合成检测方法和系统，通过针对不同类型的数据包，分别提取深度学习、生物和时间三个不同维度的特征，从而可以覆盖网络全类型的数据包。针对深度学习特征采用降维采样和滑动窗二次采样；针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。再利用帧内和帧间特征的差异性，计算两两特征之间的欧氏距离，以此判断对比损失，实现检测的高效和自动调整。
-
公开(公告)号：CN116825132A
公开(公告)日：2023-09-29
申请号：CN202310840891.0
申请日：2023-07-10
Applicant: 中国信息通信研究院
Abstract: 本发明公开了一种针对特色合成的伪造音频鉴伪方法，涉及音频真伪鉴定技术领域，用于深层次对音频伪造进行多元化的鉴定，包括对待鉴定音频进行预处理，获取待鉴定音频中的人声音频数据、环境音频数据和待鉴定音频人声的真实年龄信息；建立音质比对模型，对所述人声音频数据、环境音频数据进行分析生成第一比对数值、第二比对数值，并据此进行归类处理，生成音质差异标识；建立人声匹配模型，对所述人声音频数据进行分析与匹配，生成匹配年龄信息；对匹配年龄信息与真实年龄信息进行分析处理，生成音频年龄匹配标识；构建数据关联输出模型，对音质差异标识和音频年龄匹配标识进行整合处理，生成伪造音频目标、可疑音频目标和真实音频目标。
-
公开(公告)号：CN117765620B
公开(公告)日：2024-07-19
申请号：CN202311804914.9
申请日：2023-12-26
Applicant: 中国信息通信研究院
IPC: G06V40/40 , G06V40/16 , G06V10/764 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明提出一种基于自增强的深度伪造图像鉴伪方法和系统。其中，方法包括：采用具备较强生成能力的对抗生成网络构造无偏差的大规模人脸数据集，在训练集构建阶段避免过拟合特定人物的身份特征、降低身份信息对训练数据类中心的影响程度，并通过增强的拼接算法与拼接类型扩大训练数据集支持鉴伪覆盖范围，同时迫使模型专注于学习自增强框架所模拟的伪造痕迹，最终通过设计一个精细化的基于特征融合的鉴别网络结构，充分利用多层级特征信息。本发明提升整体鉴别能力。
-
Patent Agency Ranking
公开(公告)号：CN118115481A
公开(公告)日：2024-05-31
申请号：CN202410359488.0
申请日：2024-03-27
Applicant: 中国信息通信研究院
IPC: G06T7/00 , G06N3/045 , G06N3/0464 , G06V10/80
Abstract: 本发明提出一种基于频率增强自注意力的深度伪造图像处理方法和系统。其中，方法包括：利用注意力机制放大频率域特征，并使用自注意力结构整合RGB和频域信息。具体而言，它采用了卷积注意力模块结构，利用通道注意力机制和空间注意力机制分别增强频域中关键的频带和区域。这种对频率域特征的灵活增强在深度伪造检测中更具泛化性。然后，采用双流网络结构分别提取RGB信息和频域信息。此外，为了进一步促进RGB和频域信息的协同学习，采用了基于自注意力结构的特征融合方法，它全局建模了这两种信息，从而构建了一个全面的面部伪造表示。本发明提出的方案解决了现有泛化性差，效果有待增强，无法有效应对互联网中的新型深度伪造图像的问题。
-
公开(公告)号：CN117540038B
公开(公告)日：2024-03-22
申请号：CN202410037557.6
申请日：2024-01-10
Applicant: 中国信息通信研究院
IPC: G06F16/45 , G06F16/48 , G06F18/10 , G06F18/213 , G06F18/22 , G06F18/24 , G06N20/00 , G06Q30/018
Abstract: 本发明提供一种智能检测虚假数据合成方法和系统，通过采集多媒体数据分别提取其中携带的预设字段的值和特征值，分别得到第一场景信息和第二场景信息，根据所述第一场景信息还可以向服务器请求下发规则模板，进而可以计算项目与项目之间、项目与下属元素之间的关联度，根据关联度的高低进行初步判断，两个场景信息的匹配判断作为再次判断，结合两个判断结果可以定位虚假合成的范围或位置，克服现有技术无法有效检测虚假合成和防止虚假合成的问题。
-
公开(公告)号：CN117557889A
公开(公告)日：2024-02-13
申请号：CN202311328043.8
申请日：2023-10-13
Applicant: 中国信息通信研究院
IPC: G06V20/00 , G06N3/0442 , G06V10/44 , G06V10/54 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种图像伪造检测方法和系统。其中，方法包括：局部纹理特征增强：通过从图像中提取的原始纹理信息和非纹理特征图，得到用于鉴别的纹理信息图；异常特征定位：将用于鉴别的纹理信息图通过卷积层进行下采样，然后进入LSTM网络，对图像的时序特征进行提取，以提取异常特征；异常特征检测：将所述异常特征输入判别器对特征进行分类，鉴别图像是否为伪造图像。本发明提出的方案能够更好地捕捉到不同尺度、不同类型的纹理信息，从而提高了检测模型的准确性。克服现有图像伪造鉴别方法局部异常难以察觉的缺陷，提高模型的通用性。有效地解决了现有图像伪造鉴别方法泛化性弱、对未知类型的编码操作可解释性差以及局部异常难以察觉的缺陷。
-
公开(公告)号：CN116633809B
公开(公告)日：2024-01-23
申请号：CN202310762753.5
申请日：2023-06-26
Applicant: 中国信息通信研究院
IPC: H04L43/04 , H04L41/16 , H04L9/40 , G06N3/0464 , G06F18/23 , G06F18/22 , G06V40/12 , G06F18/214 , G06F18/25
Abstract: 本发明提供一种基于人工智能的检测方法和系统，通过针对不同类型的数据包，分别提取深度学习、生物和时间三个不同维度的特征，从而可以覆盖网络全类型的数据包。针对深度学习特征采用降维采样和滑动窗二次采样；针对生物特征采用生物指纹匹配和滑动框二次采样；针对时间特征根据差异化结果重新定义采样窗，再次对深度学习和生物两种特征进行采样重组。通过以上步骤，使用两种不同途径的聚类处理，更好地利用模型进行分类。
-
公开(公告)号：CN117376632A
公开(公告)日：2024-01-09
申请号：CN202311657221.1
申请日：2023-12-06
Applicant: 中国信息通信研究院
IPC: H04N21/438 , H04N21/658 , H04N21/845
Abstract: 本发明提供一种基于智能深度合成的数据恢复方法和系统，通过采集损坏的多媒体数据，从中提取出预设字段的值，得到对应的场景信息，该预设字段内容采用单独的纠错编码，根据场景信息请求服务器下发规则模板，发掘出错误或空缺的项目，根据多媒体数据中正确项目的特征值预测错误或空缺项目的特征值，从而得到完整的特征集合，还原得到恢复后的多媒体数据，克服现有技术在数据丢失或损坏严重的情况下，难以实现完全恢复的问题。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.03 seconds)
