-
公开(公告)号：CN118397440A
公开(公告)日：2024-07-26
申请号：CN202410566933.0
申请日：2024-05-09
Applicant: 中国科学院计算技术研究所
IPC: G06V20/00 , G06V10/774 , G06V10/44 , G06V10/74 , G06V10/762
Abstract: 本发明提供了一种基于无监督域自适应的深度伪造检测方法，包括：通过源域的有标签数据训练一深度伪造检测模型，深度伪造检测模型至少包括有特征提取器；通过特征提取器，提取目标域的无标签数据的特征，并对无标签数据的特征进行聚类得到聚类结果；将目标域的聚类结果与源域的已知深度伪造类别进行匹配，为目标域的数据生成伪标签，伪标签包括已知深度伪造类别伪标签和未知深度伪造类别伪标签。通过源域的有标签数据和目标域的伪标签数据，对深度伪造检测模型进行再训练。本发明还提供一种系统、存储介质及电子设备。借此，本发明能够在不需要目标域标签的情况下，识别出目标域中的已知和未知的深度伪造类别，从而提高了模型的泛化能力和鲁棒性。
-
公开(公告)号：CN101794389A
公开(公告)日：2010-08-04
申请号：CN200910244271.0
申请日：2009-12-30
Applicant: 中国科学院计算技术研究所
IPC: G06K9/36
Abstract: 本发明提供了一种人脸图像光照预处理方法，包括下列步骤：1)在m个不同的截断尺度下，将人脸图像分别分解为与光照因素相对应的大尺度分量u和与人脸内在特征相对应的小尺度分量v，从而得到所述人脸图像的m个小尺度分量；2)计算相邻截断尺度下的小尺度分量之差得到所述人脸图像的m-1个尺度邻域分量；3)通过对最小的小尺度分量以及m-1个尺度邻域分量进行加权求和，得到所述人脸图像的光照预处理图像。本发明能够更加精确地捕捉和保留各种光照条件下的不同人的人脸图像的人脸内在特征，进而有效地增强人脸识别对光照变化的鲁棒性。
-
公开(公告)号：CN118135567A
公开(公告)日：2024-06-04
申请号：CN202410211335.1
申请日：2024-02-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了序列图像标注方法，用于对序列图像进行目标标注，所述方法包括：S1、获取待处理序列图像，其中，所述待处理序列图像包括多张图像，且所述待处理序列图像的多张图像之间存在时空连续性；S2、采用预设的辅助分割模型对所述待处理序列图像中的第一张图像进行目标框选并添加对应的目标标签；S3、基于步骤S2处理后的所述待处理序列图像中的第一张图像采用预设的目标跟踪模型对所述待处理序列图像中的其余图像进行目标跟踪以对其余图像一一进行目标框选。本发明的技术方案利用了序列图像中多张图像之间的时空相关性，提高了序列图像的目标标注效率和目标标注准确率。
-
Patent Agency Ranking
公开(公告)号：CN114187623A
公开(公告)日：2022-03-15
申请号：CN202111304240.7
申请日：2021-11-05
Applicant: 中国科学院计算技术研究所
IPC: G06V40/16 , G06V40/20 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种面部动作单元识别模型训练方法，包括：将面部图像输入并行的第一主干网络和第二主干网络以分别获得其第一视角特征与第二视角特征，面部图像包括准确标注面部图像、不准确标注面部图像或无标注面部图像；第一干净网络和第一噪声网络分别根据第一视角特征预测对应的第一准确标签与第一不准确标签，第二干净网络和第二噪声网络分别根据第二视角特征预测对应的第二准确标签与第二不准确标签；或者第一干净网络根据第一视角特征预测对应的第一准确标签与第一伪标签，第二干净网络根据第二视角特征预测对应的第二准确标签与第二伪标签。本发明的方法能利用准确标签数据集、不准确标签数据集以及无标注标签数据集，训练出准确率更高、泛化性能更强的面部动作单元识别模型。
-
公开(公告)号：CN110163106A
公开(公告)日：2019-08-23
申请号：CN201910319715.6
申请日：2019-04-19
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种一体式纹身检测与识别方法和系统，包括将输入图像输入至包括多层残差网络的主干网络，得到图像的卷积特征，将卷积特征输入至区域候选框网络，检测得到纹身候选框，识别网络根据纹身候选框的位置，将纹身候选框内目标区域的特征池化到统一维度分别进行纹身分类和位置回归，得到图像中纹身类别和精确候选框，通过特征学习将精确候选框和卷积特征投影到一个L2归一化的多维子空间中，得到实值向量，二值化实值向量作为输入图像的二值编码；根据待查询二值编码和所有候选二值编码之间的汉明距离，将候选纹身图象按照汉明距离从小到大排序，作为与待查询图像的纹身识别结果。本发明包括纹身检测并提取纹身特征，特征代表性强，过程简洁。
-
公开(公告)号：CN110097049A
公开(公告)日：2019-08-06
申请号：CN201910267048.1
申请日：2019-04-03
Applicant: 中国科学院计算技术研究所 , 中科视拓(北京)科技有限公司
Abstract: 本发明提出一种自然场景文本检测方法及系统，包含两个神经网络模型：基于多层次语义特征融合的文本检测网络和基于注意力机制的检测筛选网络。文本检测网络是一个基于FCN的图像特征提取融合网络，该网络用于提取输入数据的多语义层次信息，并进行多尺度特征的充分融合，最后通过对融合的多尺度信息进行卷积操作，预测自然场景中的文本信息的位置和置信度。检测筛选网络是利用训练好的卷积循环神经网络对第一部分的卷积神经网络输出的初始检测结果进行判别评分从而过滤掉易与前景文字混淆的背景，从而进一步提升自然场景文本识别的准确率。
-
公开(公告)号：CN101794389B
公开(公告)日：2012-06-13
申请号：CN200910244271.0
申请日：2009-12-30
Applicant: 中国科学院计算技术研究所
IPC: G06K9/36
Abstract: 本发明提供了一种人脸图像光照预处理方法，包括下列步骤：1)在m个不同的截断尺度下，将人脸图像分别分解为与光照因素相对应的大尺度分量u和与人脸内在特征相对应的小尺度分量v，从而得到所述人脸图像的m个小尺度分量；2)计算相邻截断尺度下的小尺度分量之差得到所述人脸图像的m-1个尺度邻域分量；3)通过对最小的小尺度分量以及m-1个尺度邻域分量进行加权求和，得到所述人脸图像的光照预处理图像。本发明能够更加精确地捕捉和保留各种光照条件下的不同人的人脸图像的人脸内在特征，进而有效地增强人脸识别对光照变化的鲁棒性。
-
公开(公告)号：CN101031069A
公开(公告)日：2007-09-05
申请号：CN200610165135.9
申请日：2006-12-13
Applicant: 北京大学 , 中国科学院计算技术研究所 , 中国网通集团宽带业务应用国家工程实验室有限公司
Abstract: 本发明涉及一种网络电视视频化电子节目导航方法及系统，本发明方法是在由实时视频源、点播视频源、边缘服务器，IP网络、客户端组成的网络电视视频服务系统中，增设一专门用于生成节目预览所需要的马赛克小视频流的马赛克系统服务器，通过马赛克系统服务器的视频流接收端接收实时视频源或点播视频源的视频流，通过马赛克系统服务器的节目预览视频流编码器将接收的每个节目的视频流编码为正常播放时视频尺寸1/N大小的独立的小尺寸预览视频，并通过马赛克系统服务器的交互接口为客户端提供选定的N个小尺寸节目视频流数据预览画面。本发明在对网络带宽没有更高要求的前提下，客户端可以同时流畅地显示多个用户自定制节目的预览画面供用户选择。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
