-
公开(公告)号：CN101819638A
公开(公告)日：2010-09-01
申请号：CN201010143777.5
申请日：2010-04-12
Applicant: 中国科学院计算技术研究所
IPC: G06K9/66
Abstract: 本发明提供一种色情检测模型建立方法，包括：从带有标注信息的样本音视频对象中提取视频特征和音频特征；根据所述标注信息，为所述样本音视频对象中的各类音频特征、视频特征分别训练模型，然后利用基于排序的加权平均融合方法计算所述模型间的融合参数；其中，所述的基于排序的加权平均融合方法遍历参数orness的取值区间，为所述参数orness的各个取值计算相应的融合参数，然后利用所述样本音视频对象计算各个融合参数的效果，选取效果最好的融合参数作为模型间的融合参数。本发明的色情检测方法与现有技术中的相关方法相比综合采用了视频特征与音频特征，检测准确率上有较大的提高。
-
公开(公告)号：CN1317664C
公开(公告)日：2007-05-23
申请号：CN200410000823.0
申请日：2004-01-17
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种建立乱笔顺库的方法及联机手写汉字识别技术的评测系统。本发明方法，包括标准样本库的采集和乱笔顺库的生成，其特征在于，所述乱笔顺库是按照笔画的连通关系，对采集的联机手写汉字笔迹数据进行等价划分，分割出至少一个以上的部件后，再打乱每个部件内笔画的顺序生成的。本发明的评测系统，包括：存储设备，用于存储标准样本库和乱笔顺库；采集模块，用于采集标准样本库；转换模块，用于将联机汉字笔迹数据转化成一幅二值图像；分割模块，用于按照笔画的连通关系从二值图像中分割出至少一个以上的部件；生成模块，包括一用于打乱每个部件内笔画的顺序的单元，以及一用于打乱部件之间排列顺序的单元。
-
公开(公告)号：CN1858799A
公开(公告)日：2006-11-08
申请号：CN200510077454.X
申请日：2005-06-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开的数字图像哈希签名方法，由数字签名的生成、数字签名匹配和篡改定位组成，数字签名生成包括：1)求DCT系数；2)量化DCT低频系数，得到DCT数据矩阵；3)对DCT数据矩阵做标准化和主成分分析，得到特征向量矩阵和特征向量值；4)量化特征向量矩阵和特征值向量，生成签名；数字签名匹配包括：5)反量化特征向量矩阵；6)计算相似度；7)将相似度与阀值做比较，由比较结果决定是否匹配；篡改定位包括：8)求待检验图像的新坐标矩阵；9)估算原始图像的新坐标矩阵；10)计算待检验图像与原始图像对应块的差值向量矩阵；11)用待检图像的特征值向量，计算HTS向量；12)确定篡改块的位置。
-
公开(公告)号：CN119578588A
公开(公告)日：2025-03-07
申请号：CN202411653207.9
申请日：2024-11-19
Applicant: 中国科学院计算技术研究所
IPC: G06N20/00 , G06V10/764
Abstract: 本发明提出一种自监督对抗训练方法，包括：构建第一阶段初始模型，获取第一阶段训练样本，对该第一阶段初始模型进行自监督训练，获得干净模型；构建第二阶段初始模型，获取第二阶段训练样本，生成该第二阶段训练样本的增强样本，以该干净模型对该增强样本的输出特征为伪监督信号；生成该增强样本的对抗样本，以该伪监督信号、该增强样本和该对抗样本对该第二阶段初始模型进行自监督对抗训练，获得鲁棒模型；以该鲁棒模型进行图像分类任务。本发明还提出一种自监督对抗训练装置，以及一种计算机可读存储介质和一种电子设备。本发明的训练方法能与不同的自监督学习框架无缝结合，提升其对抗及干净样本分类准确率并减小与监督对抗学习的性能差距。
-
公开(公告)号：CN119169120A
公开(公告)日：2024-12-20
申请号：CN202410417957.X
申请日：2024-04-08
Applicant: 中国科学院计算技术研究所
IPC: G06T11/00 , G06T7/10 , G06N3/094 , G06N3/045 , G06N3/0475 , G06V10/764 , G06N3/084
Abstract: 本发明提出一种基于对抗攻击的图像反生成方法，包括：对目标图像进行分割，获取该目标图像的关键掩码；在该关键掩码上添加对抗性扰动，得到该目标图像的反生成保护图像。本发明的方法使用较少难以察觉的对抗噪声来反生成保护用户重要的概念，如人类图像中的面部区域，能有效地防止了恶意的个性化，与MIST等针对整个图像的反生成保护方法相比，它在安全性和噪声的视觉质量之间提供了更好的平衡。本发明还提出一种基于对抗攻击的图像反生成装置，以及一种计算机可读存储介质和一种电子设备。
-
Patent Agency Ranking
公开(公告)号：CN117690005A
公开(公告)日：2024-03-12
申请号：CN202311576310.3
申请日：2023-11-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种面向生成式模型图像编辑的图像篡改检测方法，包括：对真实图像进行语义分割，获取该真实图像的至少一个对象；基于对该对象的编辑目标，使用生成式模型生成编辑图像；以该真实图像和该编辑图像为训练集对检测模型进行训练；通过该检测模型对目标图像进行图像篡改检测。本发明还提出一种面向生成式模型图像编辑的图像篡改检测系统，以及一种用于实现面向生成式模型图像编辑的图像篡改检测的数据处理装置。
-
公开(公告)号：CN117095228A
公开(公告)日：2023-11-21
申请号：CN202311117995.5
申请日：2023-08-31
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于语义无关特征学习的图像篡改检测方法和装置，包括通过预训练的基准语义特征编码器提取待检测图像的语义特征，使用对比学习框架约束局部区域篡改痕迹特征与基准语义特征的相似性，进而直接限制篡改痕迹特征中的语义相关性；利用篡改区域边界监督来引导模型挖掘篡改区域边界附近真实区域与篡改区域特征的不一致性，设计特征转换结构来实现辅助任务和主任务的统一，以确保作为辅助任务的篡改区域边界预测任务能够为篡改区域预测任务提供增益。
-
公开(公告)号：CN116863366A
公开(公告)日：2023-10-10
申请号：CN202310659233.1
申请日：2023-06-05
Applicant: 中国科学院计算技术研究所
IPC: G06V20/40 , G06V10/764 , G06F40/211
Abstract: 本发明提出一种跨样本虚假新闻视频的检测方法，包括：获取目标事件的新闻视频和辟谣视频，提取新闻视频的单样本特征为第一特征，提取该辟谣视频的单样本特征为第二特征；构建以该第一特征为节点和以该节点之间的重要性表示为边的事件图；以信息聚合获取该节点的节点特征，通过对该节点特征进行真假二分类，选出分类为真的节点特征所对应新闻视频为待测视频，以及分类为假的第一虚假视频；通过检测该第二特征与该待测视频的第一特征之间的事实信息冲突，选出该待测视频中的第二虚假视频，以该第一虚假视频和该第二虚假视频为虚假新闻视频。本发明还提出一种跨样本虚假新闻视频的检测系统，以及一种用于实现跨样本虚假新闻视频检测的数据处理装置。
-
公开(公告)号：CN115775406A
公开(公告)日：2023-03-10
申请号：CN202211477245.4
申请日：2022-11-23
Applicant: 中国科学院计算技术研究所
IPC: G06V40/16 , G06V10/774 , G06V10/26 , G06V10/764 , G06F21/32 , G06F21/56 , G06T1/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于属性编辑的人脸对抗攻击样本生成方法和系统，针对输入的真实人脸图以及需要被识别成的目标图进行隐空间映射到低维的流形内表示，同时通过特征层融合的方法提升人脸身份信息的相似性。属性编辑步骤通过设计一组属性编辑参数，针对属性选择步骤得到的最佳编辑属性进行编辑强度的优化，同时引入了多种优化图像生成效果的控制，在达到最佳的模型攻击成功率的同时保持编辑后的图像效果以及肉眼识别的身份信息不变。以检测人脸识别模型的鲁棒性以及微调人脸识别模型，以提高其识别准确性。
-
公开(公告)号：CN111832406B
公开(公告)日：2022-12-06
申请号：CN202010508103.4
申请日：2020-06-05
Applicant: 中国科学院计算技术研究所
IPC: G06V20/40 , G06V10/26 , G06V10/774 , G06V10/764
Abstract: 本发明提出的基于平衡分组Softmax的长尾目标检测方法与系统，该方法在网络结构上，改变网络的最后一个全连接层，对拥有不同训练样本数量的类别进行分组，将背景类别单独分为一组，在每组中都加入其它类别；在训练过程中，按照组内普通类别训练样本数量采样一定数量的其它类别样本进行训练，并在每个组内分别用Softmax函数激活并计算交叉熵损失；在测试过程中，在每个组内分别用Softmax函数激活，去掉组内其它类别，仅保留正常类别得分，用背景组的“其它”类别得分为所有正常类别加权，组成最终得分，用于后处理。该发明提升了在大规模长尾目标数据集上的目标检测以及实例分割性能。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.031 seconds)
