公开(公告)号：CN119832292A

公开(公告)日：2025-04-15

申请号：CN202411730876.1

申请日：2024-11-29

Applicant: 北京计算机技术及应用研究所

Inventor： 黄泷 ,  杨雨婷 ,  栾真 ,  邹华懿 ,  刘浩鸣

IPC: G06V10/764 ,  G06N3/0464 ,  G06V10/32 ,  G06V10/30 ,  G06V10/44 ,  G06V10/80

Abstract: 本发明涉及一种基于非对称密集卷积神经网络的轻量化通信设备检测方法，属于人工智能、计算机视觉、目标检测技术领域。本发明设计了一种双路非对称密集层，在不增加计算成本的情况下将单个非线性激活层分解为两层来设计非对称的深度可分离卷积，基于此构建双路非对称密集层，以此增强轻量化网络的特征提取和信息表达能力；设计了一种在特征合并过程中的通道混排机制，让该层能够在信息交换中保留特征细节并实现更平滑的层内信息流动，同时根据所给通道配置生成可变特征融合模式；引入密集连接的思想，实现层到层的信息流通与特征重用，从而促进了信息的高效传输。

公开(公告)号：CN119832288A

公开(公告)日：2025-04-15

申请号：CN202411686000.1

申请日：2024-11-24

Applicant: 北京计算机技术及应用研究所

Inventor： 宦思洁 ,  孙渊博 ,  冯帆 ,  刘浩鸣 ,  王坤龙 ,  宋伟 ,  苗旭 ,  孙雪

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06V10/77 ,  G06V10/44 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于残差融合机制的图像溯源取证方法，属于信息安全领域。本发明首先对输入的图像进行预处理选择；接着输入的图像进入到残差融合机制的图像溯源模型架构进行检测，该架构分为上下两条支路，上支路使用特定方法提取噪声残差信息，下支路使用深度学习网络自动提取噪声残差信息，之后通过残差连接的方式将上下两条支路提取的特征信息进行融合和细化；然后将细化后的残差特征送入到分类模块进行拍摄设备类别的映射溯源；最后通过可视化页面将检测结果进行直观展示。本发明将特定方法和深度学习方法提取的残差信息进行融合，结合了两者的优势，使得提取的残差指纹特征更为深层和细腻，溯源过程快速且鲁棒性较好。