-
公开(公告)号：CN117173761A
公开(公告)日：2023-12-05
申请号：CN202310929300.7
申请日：2023-07-27
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 公开了一种基于属性引导的深度伪造人脸图像检测方法和系统，包括接收人脸图像作为输入，经过主干网络进行特征提取；其中，输入图像包括属性标签和真伪标签；采用二值交叉熵作为人脸属性识别的多标签分类任务的损失函数Lbce；将属性识别和真伪图像检测的共享特征送入真伪分类层，在所述真伪标签的引导下进行真伪分类，所述真伪分类的损失函数采用交叉熵损失函数 整体任务的损失函数L＝ α是平衡两个损失的超参数。本申请在检测真伪的任务基础上多引入属性识别任务，两个任务共用最后一个嵌入层特征，属性识别的任务会更多去挖掘局部区域的特征信息，在属性标签的引导下，推动模型去挖掘局部特征，从而丰富整个伪造信息的特征表征。
-
公开(公告)号：CN116051941A
公开(公告)日：2023-05-02
申请号：CN202211357939.4
申请日：2022-11-01
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 公开了双注意力机制高频信息感知的深度伪造检测方法和系统，包括利用主干网络的四个残差卷积块进行特征提取，四个残差卷积块分别为Stage1、Stage2、Stage3和Stage4；利用空间‑通道信息增强模块来进行特征重建与增强，将所述空间‑通道信息增强模块输出的特征与第i个Stage的输出特征进行通道级联后送入第i+1个Stage；利用标签平滑正则化的交叉嫡损失函数进行约束。本发明利用双注意力机制来增强高频信息的表达，增强高频信息对网络训练的影响，且双注意力机制只用于训练阶段，在增加少量参数的情况下，可以提升网络的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114444566A
公开(公告)日：2022-05-06
申请号：CN202111542176.6
申请日：2021-12-16
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06K9/62 , G06N3/04 , G06T7/90 , G06V10/774 , G06V10/764
Abstract: 本发明涉及图像伪造检测方法及系统。其方法包括获取原始图像以及灰度图像后，通过双流的图像伪造检测模型对原始图像以及灰度图像进行特征提取以及特征融合，得到图像特征分类结果，根据所述图像特征分类结果进行平均投票，获取图像伪造检测概率值以及图像真伪结果。通过对于原始图像以及灰度图像分别进行特征提取以及特征信息的融合拆分，在图像伪造检测模型处理图像信息时来抑制颜色信息的表达，使得模型可以在图像颜色空间检测技术多维度的进行伪造检测，在模型中增加了灰度流网络结构可以增强网络的图像检测能力。
-
公开(公告)号：CN114220145B
公开(公告)日：2024-12-31
申请号：CN202111436624.4
申请日：2021-11-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06V10/44 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0985
Abstract: 本申请涉及伪造人脸检测的技术领域，尤其是涉及一种人脸检测模型生成方法，该方法针对每层残差卷积块分别建立引导约束损失函数，从而将后一个残差卷积块的分类结果作为前一个残差卷积块的标签，将引导约束损失函数与主干网络损失函数合并获得框架损失函数，利用深层的卷积块分类预测来作为浅层的卷积块的标签，逐渐引导浅层网络的训练以及参数更新。本申请还提出了一种伪造人脸检测方法，伪造人脸检测方法中使用的人脸检测模型预先基于人脸检测模型生成方法训练得到，使用该人脸检测模型去检测真假人脸的准确率较高。
-
公开(公告)号：CN114220145A
公开(公告)日：2022-03-22
申请号：CN202111436624.4
申请日：2021-11-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本申请涉及伪造人脸检测的技术领域，尤其是涉及一种人脸检测模型生成方法，该方法针对每层残差卷积块分别建立引导约束损失函数，从而将后一个残差卷积块的分类结果作为前一个残差卷积块的标签，将引导约束损失函数与主干网络损失函数合并获得框架损失函数，利用深层的卷积块分类预测来作为浅层的卷积块的标签，逐渐引导浅层网络的训练以及参数更新。本申请还提出了一种伪造人脸检测方法，伪造人脸检测方法中使用的人脸检测模型预先基于人脸检测模型生成方法训练得到，使用该人脸检测模型去检测真假人脸的准确率较高。
-
公开(公告)号：CN114444566B
公开(公告)日：2024-07-23
申请号：CN202111542176.6
申请日：2021-12-16
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/764 , G06N3/0464 , G06T7/90 , G06V10/774 , G06V10/82
Abstract: 本发明涉及图像伪造检测方法及系统。其方法包括获取原始图像以及灰度图像后，通过双流的图像伪造检测模型对原始图像以及灰度图像进行特征提取以及特征融合，得到图像特征分类结果，根据所述图像特征分类结果进行平均投票，获取图像伪造检测概率值以及图像真伪结果。通过对于原始图像以及灰度图像分别进行特征提取以及特征信息的融合拆分，在图像伪造检测模型处理图像信息时来抑制颜色信息的表达，使得模型可以在图像颜色空间检测技术多维度的进行伪造检测，在模型中增加了灰度流网络结构可以增强网络的图像检测能力。
-
公开(公告)号：CN115690501A
公开(公告)日：2023-02-03
申请号：CN202211357962.3
申请日：2022-11-01
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/764 , G06V10/42 , G06V10/28 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于细粒度特征的深度伪造图像检测方法和系统，包括利用图像检测的主干网络提取特征，主干网络包括四个残差卷积块；对提取到的全局特征沿水平分成若干块，构建细粒度特征，并将细粒度特征用于引导残差卷积块的输出特征，利用损失函数约束；将细粒度特征和全局特征通过池化，并对池化输出的特征通过分类损失进行约束训练。本发明在并不需要涉及复杂的注意力机制模块，也不引入额外的训练参数，就可以增加使得模型获取到更鲁棒的特征，跨域的深度伪造检测准确率有显著的提升。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
