-
公开(公告)号：CN110188284A
公开(公告)日：2019-08-30
申请号：CN201910341053.2
申请日：2019-04-25
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9536 , G06F16/35 , G06Q50/00
Abstract: 本发明提出一种基于检索辅助的谣言检测方法及系统，包括：获取待谣言检测的对象信息，并使用谣言检测算法对该对象信息进行判定，得到该对象信息的初步谣言检测结果；集合已标记谣言标签的谣言信息作为谣言库，抽取得到该对象信息的关键词，以该关键词检索该谣言库，得到该谣言库中与该对象信息相似的多条相似谣言，计算每一条该相似谣言与该对象信息之间的相似度，以为每一条该相似谣言赋予权重，并根据每一条该相似谣言的谣言标签和权重，加权求和得到该多条相似谣言的辅助谣言检测结果；根据该初步谣言检测结果和该辅助谣言检测结果，综合判定该对象信息的谣言标签。
-
公开(公告)号：CN106372083A
公开(公告)日：2017-02-01
申请号：CN201510435105.4
申请日：2015-07-22
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明公开了一种有争议性新闻线索自动发现的方法及系统，该方法包括：步骤1，利用预设的初始文本对一文本集进行检索，获得多个检索文本；步骤2，对该多个检索文本进行聚类，对每一类的检索文本分别执行摘要提取算法，以获得该类的线索文本；步骤3，利用每类的该线索文本进行检索，获得每类的多个扩充文本；步骤4，利用每类的该多个扩充文本进行特征提取，基于一预设的打分模型对提取得到的每类的特征进行打分，分数高于一阈值的类所对应的线索文本为有争议的新闻线索。本发明可从大量文本中自动发现有争议新闻线索，实现了海量信息的深层信息挖掘，且可不断完善信息挖掘的准确度、有效性。
-
公开(公告)号：CN118377928A
公开(公告)日：2024-07-23
申请号：CN202410501754.9
申请日：2024-04-25
Applicant: 中国科学院计算技术研究所
IPC: G06F16/583 , G06F16/54 , G06N5/04
Abstract: 本发明提出一种基于大型语言模型的文生图模型动态评估方法，包括：LLM根据所选的主题生成测试输入文本，待评估的文生图模型根据测试输入文本生成测试图片，记录测试图片生成的准确率，并判断准确率是否低于阈值，若是则执行文本调整步骤；调整测试输入文本，得到多个调整输入文本，文生图模型根据测试输入文本生成调整图片，将准确率低于阈值的调整图片对应的调整输入文本作为失败文本；LLM根据当前主题下所有测试输入文本和调整输入文本的图片生成的准确率，分析文生图模型的对错原因，LLM分析对错原因和当前主题，生成新的主题，再次执行文本生成步骤，直到达到用户需求，保存当前所有失败文本作为文生图模型的评估结果。
-
公开(公告)号：CN117592547A
公开(公告)日：2024-02-23
申请号：CN202311575231.0
申请日：2023-11-23
Applicant: 中国科学院计算技术研究所
IPC: G06N3/094 , G06N3/0475 , G06F18/214 , G06F18/241
Abstract: 本发明提出一种基于记忆存储的持续对抗防御方法，包括：获取持续学习模型的分类器的类别；对该持续学习模型的记忆训练数据和当前任务的当前训练数据生成对抗样本，将该对抗样本输入该持续学习模型，进行持续对抗训练；并在该持续对抗训练中，对该对抗样本的类别logit值以校正值进行校正；以完成训练后的持续学习模型执行该当前任务。本发明还提出一种基于记忆存储的持续对抗防御系统，以及一种用于实现基于记忆存储的持续对抗防御的数据处理装置。
-
公开(公告)号：CN117275064A
公开(公告)日：2023-12-22
申请号：CN202311211903.X
申请日：2023-09-19
Applicant: 中国科学院计算技术研究所
IPC: G06V40/16 , G06V40/40 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明提出一种基于人脸时序信息的人脸视频深度伪造检测方法和装置，包括：获取以标准真伪标签的人脸视频作为训练数据；通过基础网络对训练数据中多个视频帧提取特征，得到原始特征，以原始特征进行三维人脸重建，得到重建图像；基础网络对重建图像提取特征，得到重建特征；特征差分模块对原始特征以及重建图进行差分并对差分结果进行降维，得到差分特征；将重建特征和差分特征作为查询特征，并将原始特征作为待查询特征，分别输入查询模块，根据查询特征与待查询特征的相似度，对待查询特征的重新加权，得到加权差分特征和加权重建特征；自适应融合模块将原始特征、加权差分特征和加权重建特征加权融合后进行真伪分类。
-
Patent Agency Ranking
公开(公告)号：CN117275063A
公开(公告)日：2023-12-22
申请号：CN202311211893.X
申请日：2023-09-19
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于三维信息时序一致性的人脸深度伪造检测方法，包括：构建包括特征提取器、差分模型、分类层和人脸重建模型的三维时间差分模型；特征提取器提取训练视频中具有人脸的每一帧图像的面部特征，人脸重建模型根据面部特征重建人脸图像，得到单帧图像的重建图像，时间差分模型根据相邻帧在面部相关特征上的差异作为时序特征，分类层根据时序特征进行分类，根据分类结果和伪造标签构建损失函数，以训练三维时间差分模型中的分类层；训练完成后的三维时间差分模型用于执行人脸伪造检测任务。由于提取三维特征的网络参数固定，因此本发明具有可学习参数较少的特点。且本方法在具有较高检测精度的同时还能保证具有较好的抗压缩能力。
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.062 seconds)
