-
公开(公告)号：CN112861933A
公开(公告)日：2021-05-28
申请号：CN202110088772.5
申请日：2021-01-22
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种深度神经网络模型可视化解释方法及系统。该方法包括：给定待解释的输入图片，利用变分自编码器生成合成图片；通过深度神经网络模型对合成图片打标签，依据合成图片的标签是否变化将合成图片分为两类，得到合成标签，从而得到合成数据集；在合成数据集上训练可解释模型，将深度神经网络模型的知识蒸馏到可解释模型中；根据训练好的可解释模型，建立输入图片和深度神经网络模型的预测结果的对应关系，进而得到一张显著图，从而实现对深度神经网络决策结果的解释。本发明能够提高深度神经网络模型的可解释性，使模型透明化，使用户更好地理解深度神经网络的决策过程，从而促进模型的实际部署，推动人工智能领域研究的发展。
-
Patent Agency Ranking
公开(公告)号：CN112163488B
公开(公告)日：2023-12-29
申请号：CN202010994947.4
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维压缩卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中的每一最大池化层前，分别增加一层卷积核大小为1*1*1且通道数为n的三维卷积层，得到三维压缩卷积神经网络，n为自定义参数。本发明创新性地提出三维模型压缩模块，通过在池化层前引入1*1*1大小卷积核的卷积层，降低了模型的负责度与体积，使之更适于实际使用与部署。
-
公开(公告)号：CN112163494A
公开(公告)日：2021-01-01
申请号：CN202010995989.X
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维可视域扩展卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中每一由若干相连卷积层与一最大池化层组成的模块后面，增加一层或多层的可视域扩展模块，得到三维可视域扩展卷积神经网络；所述可视域扩展模块包括分别连接可视域扩展模块输入的若干支路和连接支路输出的Filter Concat层。本发明融合了视频的时空特征，并引入了三维可视域扩展模块，对视频进行不同尺度的特征提取，增加模型的鲁棒性并提升了模型性能。
-
公开(公告)号：CN112861933B
公开(公告)日：2022-08-12
申请号：CN202110088772.5
申请日：2021-01-22
Applicant: 中国科学院信息工程研究所
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种深度神经网络模型可视化解释方法及系统。该方法包括：给定待解释的输入图片，利用变分自编码器生成合成图片；通过深度神经网络模型对合成图片打标签，依据合成图片的标签是否变化将合成图片分为两类，得到合成标签，从而得到合成数据集；在合成数据集上训练可解释模型，将深度神经网络模型的知识蒸馏到可解释模型中；根据训练好的可解释模型，建立输入图片和深度神经网络模型的预测结果的对应关系，进而得到一张显著图，从而实现对深度神经网络决策结果的解释。本发明能够提高深度神经网络模型的可解释性，使模型透明化，使用户更好地理解深度神经网络的决策过程，从而促进模型的实际部署，推动人工智能领域研究的发展。
-
公开(公告)号：CN112163493A
公开(公告)日：2021-01-01
申请号：CN202010995945.7
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维残差学习卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，所述三维残差学习卷积神经网络包括一或多个卷积层及相应最大池化层、若干由一或多个三维残差学习模块组成的三维残差学习层、一平均池化层及一输出层；所述三维残差学习模块包括分别连接三维残差学习模块输入的第一支路、第二支路和对两条第一支路与第二支路输出结果相加的运算层。本发明对视频特征进行残差学习，以解决网络过深时可能导致的模型退化问题，提升模型性能。
-
公开(公告)号：CN112163488A
公开(公告)日：2021-01-01
申请号：CN202010994947.4
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维压缩卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中的每一最大池化层前，分别增加一层卷积核大小为1*1*1且通道数为n的三维卷积层，得到三维压缩卷积神经网络，n为自定义参数。本发明创新性地提出三维模型压缩模块，通过在池化层前引入1*1*1大小卷积核的卷积层，降低了模型的负责度与体积，使之更适于实际使用与部署。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
