-
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。
-
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。
-
Patent Agency Ranking
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。
-
-
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。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.091 seconds)
