-
公开(公告)号：CN107103240A
公开(公告)日：2017-08-29
申请号：CN201710261243.4
申请日：2017-04-20
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于上下文信息的Android组件间隐私泄露行为识别方法及系统。本方法为：1)从Android应用程序中提取组件间通信参数信息；2)根据提取的组件间通信参数信息匹配该Android应用程序中相互通信的两个组件，形成组件调用链；3)根据所述组件调用链信息对Android应用程序执行静态插桩，连接相互通信的两个组件；4)对插桩后的应用程序代码执行静态污点分析，获取组件间隐私信息传输相关的行为路径，并提取所述行为路径上的上下文信息；5)根据得到的行为路径上的上下文信息，判断组件间隐私信息传输行为是否为隐私泄露行为。本发明大大提高了组件间通信分析的准确性。
-
公开(公告)号：CN115705736A
公开(公告)日：2023-02-17
申请号：CN202110919126.9
申请日：2021-08-11
Applicant: 中国科学院信息工程研究所
IPC: G06V30/41 , G06V30/19 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/08 , G06F40/295
Abstract: 本发明公开了一种基于深度注意力融合的图像描述生成方法，其步骤包括：1)提取样本图像中包含的实体，并提取所述实体的图像特征；2)创建一图像描述生成网络，其包括图像特征编码网络和图像描述解码网络；3)将每一样本对应的各图像特征输入图像特征编码网络，提取该样本图像的多层深度特征；将图像特征编码网络第i层自注意力变换层的输出特征输入图像描述解码网络的第i层LSTM，生成一文本特征，然后将该文本特征和第i‑1层预测文本生成第i层LSTM的预测文本并输入第i+1层LSTM；4)基于各样本的最终预测文本优化图像描述生成网络；5)将待生成描述的图像的特征输入图像描述生成网络，生成该图像的文字描述。
-
公开(公告)号：CN115700729A
公开(公告)日：2023-02-07
申请号：CN202110833076.2
申请日：2021-07-22
Applicant: 华为技术有限公司 , 中国科学院信息工程研究所
IPC: G06T5/00 , G06T5/50 , G06T7/40 , G06T7/90 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本申请提供一种图像增强方法及其相关设备，能够使增强后的目标图像精确显示出需要突出的图像信息，从而提高图像增强效果。本申请的方法包括：通过图像处理模型获取目标图像的纹理信息的第一特征以及目标图像的颜色信息的第二特征；通过图像处理模型对第一特征和第二特征进行第一融合处理，得到纹理信息的第三特征，并通过图像处理模型对第一特征和第二特征进行第二融合处理，得到颜色信息的第四特征；根据第三特征生成第一双边网格，并根据第四特征生成第二双边网格；根据第一双边网格和第二双边网络对目标图像进行增强处理，得到增强后的目标图像。
-
公开(公告)号：CN115601634A
公开(公告)日：2023-01-13
申请号：CN202110710190.6
申请日：2021-06-25
Applicant: 中国科学院信息工程研究所(CN)
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于层次性注意力机制的图像叶片识别方法及装置，包括生成输入图像的不同层次类别激活图；将不同层次类别激活图融合成一注意力图，并利用该注意力图，得到若干张不同的采样图像；拼接各采样图像的特征向量与输入图像的特征向量，并基于得到的拼接特征向量，获取图像叶片识别结果。本发明基于人类植物学家的分类策略构造层次性注意力机制，并结合采样变换与深度学习方法，放大图片中的关键区域，可以取得很高的准确率。
-
公开(公告)号：CN112116684A
公开(公告)日：2020-12-22
申请号：CN202010777489.9
申请日：2020-08-05
Applicant: 中国科学院信息工程研究所 , 腾讯科技(深圳)有限公司
Abstract: 本申请实施例提供一种图像处理方法、装置、设备及计算机可读存储介质，其中，方法包括：获取第一图像和第二图像；对所述第一图像中的第一目标对象进行身份特征提取，得到所述第一图像的身份特征向量；对所述第二图像中的第二目标对象进行姿态特征提取，得到所述第二图像的姿态特征向量；基于所述身份特征向量和所述姿态特征向量，得到对应于所述第一图像和所述第二图像的图像合成向量；根据所述图像合成向量，生成所述第一图像和所述第二图像的合成图像；所述合成图像中的第一目标对象具有所述第二目标对象的姿态。通过本申请实施例，可以提高图像合成时的图像重现适应性，且能够对第一图像和第二图像进行准确的图像合成处理。
-
Patent Agency Ranking
公开(公告)号：CN109344709A
公开(公告)日：2019-02-15
申请号：CN201810996340.2
申请日：2018-08-29
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种人脸生成伪造图像的检测方法，步骤包括：根据训练图像集中所有训练图像的每个像素点的多个颜色通道，在每个像素点的位置进行采样，得到训练图像集的采样点集和其中每张训练图像的采样点集；对训练图像集的采样点集进行分布建模，并计算得到其参数；基于该参数，对每张训练图像的采样点集进行编码，构建其检测特征，将每幅训练图像的检测特征与其对应的训练图像标签进行模型训练，得到检测分类器；根据待检测图像的每个像素点的多个颜色通道，在每个像素点的位置进行采样，得到采样点集；基于上述参数，对待检测图像的采样点集进行编码，构建其检测特征，将待检测图像的检测特征输入到检测分类器，进行人脸生成伪造图像的检测。
-
公开(公告)号：CN106683074A
公开(公告)日：2017-05-17
申请号：CN201611020646.1
申请日：2016-11-21
Applicant: 中国科学院信息工程研究所
IPC: G06T7/00
Abstract: 本发明涉及一种基于雾霾特性的图像篡改检测方法，其步骤为：1)对输入的篡改图像利用多种求雾霾特性的方法求其雾霾特性，并生成若干个雾霾特性图；2)将生成的若干个雾霾特性图两两相减取绝对值生成若干个特征差异图；3)结合输入图像的超像素划分，根据每个特征差异图将输入的篡改图像进行篡改区域和非篡改区域的分离；4)利用低秩建立篡改区域之间以及非篡改区域之间的相似性，为每个篡改区域和非篡改区域求出一个权重；5)利用求得的权重，将篡改区域和非篡改区域进行加权融合生成篡改区域定位图。本发明能够克服基于JPEG压缩以及基于相机内部特性的拼接篡改检测方法的局限性，检测性能更精准。
-
公开(公告)号：CN117494780A
公开(公告)日：2024-02-02
申请号：CN202311105587.8
申请日：2023-08-30
Applicant: 中国科学院信息工程研究所
IPC: G06N3/082 , G06N3/0464 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种混合学习中知识蒸馏的学生网络训练方法，其步骤包括：1)在训练数据上选取目标领域的训练样本；2)将训练样本预处理后分别输入学生网络、教师网络，获得相应的学生网络logit、教师网络logit；3)将每个学生网络logit、教师网络logit分别进行Z‑score标准化处理；4)将Z‑score标准化后的教师网络logit、学生网络logit转化为概率形式；5)任选一教师网络logit对应的概率和学生网络logit对应的概率，并计算所选两概率之间的KL散度作为损失函数，进行梯度下降优化蒸馏学生网络。本发明解决了深度学习知识蒸馏算法中教师网络和学生网络之间能力鸿沟问题。
-
公开(公告)号：CN111754459B
公开(公告)日：2023-08-25
申请号：CN202010428810.2
申请日：2020-05-20
Applicant: 中国科学院信息工程研究所
IPC: G06T7/00 , G06T7/90 , G06N3/0464
Abstract: 本发明提供一种基于统计深度特征的染色伪造图像检测方法及电子装置，该方法包括：将图像从RGB颜色空间变换到可将亮度信息与色度信息解耦合的颜色空间，分别获取每个颜色通道的直方图统计分布信息，将所获得的直方图统计分布信息串联得到颜色统计分布向量；提取颜色统计分布向量的统计深度特征，并对统计深度特征进行特征抽象任务，得到池化特征；对池化特征进行分类，根据正负样本的概率值，判定染色伪造图像。本发明利用端到端的深度学习技术对染色伪造图像和自然图像的统计分布差异进行深度特征提取并完成分类任务，染色伪造图像检测模型的性能得到大大提升。
-
公开(公告)号：CN112001427B
公开(公告)日：2022-11-15
申请号：CN202010771876.1
申请日：2020-08-04
Applicant: 中国科学院信息工程研究所
IPC: G06V10/774 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于类比学习的图像转化方法和装置。本方法首先将待转换的两类非配对的图像整理为源图像集合和目标图像集合，然后构造图像转化网络，然后使用类比损失函数作为训练过程损失函数的一部分，然后对源图像进行图像转化。本方法通过使用类比损失函数，一方面保证了生成图像和源图像跨类别的差异，另一方面也保证了任意两个源图像之间的差异可以保留到生成图像中；基于共享权重的生成式对抗网络结构，让中间的隐变量可以在相同的度量空间中进行类比。同时，共享权重还可以减少模型学习参数，提高运行速度。本发明能够使用非配对图像训练图像转化网络，并获得真实的目标图像。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.031 seconds)
