-
Patent Agency Ranking
公开(公告)号：CN112532999B
公开(公告)日：2023-03-24
申请号：CN202011461638.7
申请日：2020-12-09
Applicant: 福建农林大学
IPC: H04N19/85 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种基于深度神经网络的数字视频删帧篡改检测方法。该方法实现过程：将待检测视频剪辑成为若干个视频片段；利用多尺度差分卷积网络MsDCNN从视频片段中提取相邻帧的像素级差分特征和全局差分特征，将二者融合形成多尺度差分特征；将多尺度差分特征输入使用单向注意力机制的LSTM网络，经过全连接层得到视频片段的网络输出分数，判断视频片段中间点是否存在删帧；利用基于视频局部时空特征的后处理方法减少误检。
-
公开(公告)号：CN114897095B
公开(公告)日：2024-10-22
申请号：CN202210611169.5
申请日：2022-05-31
Applicant: 福建农林大学
IPC: G06V10/774 , G06V10/82 , G06T1/00 , G06F21/16
Abstract: 本发明公开了基于不可见水印的对抗样本生成方法及其应用和存储介质，本发明方案基于频率域的离散小波变换技术和盆地跳跃优化算法，提出基于离散小波变换和盆地跳跃算法实现不可见水印的对抗样本新方法，该方法可用于解决最小化对抗样本属于特定类别的置信度；该方法执行过程中，通过嵌入不可见水印作为扰动信息生成对抗样本，其中，对抗样本的某一个像素通道分别保存原始图像缩放的尺寸、水印的打乱的随机数种子，原始图像打乱的随机数种子；而在不可见水印信息提取方面，本发明方案根据对抗样本的某一个像素通道保存的信息，可以完整提取出整个水印，实现不可见水印的信息提取；该方案可应用于对抗样本版权保护，其具有良好的安全性和鲁棒性。
-
公开(公告)号：CN114897095A
公开(公告)日：2022-08-12
申请号：CN202210611169.5
申请日：2022-05-31
Applicant: 福建农林大学
Abstract: 本发明公开了基于不可见水印的对抗样本生成方法及其应用和存储介质，本发明方案基于频率域的离散小波变换技术和盆地跳跃优化算法，提出基于离散小波变换和盆地跳跃算法实现不可见水印的对抗样本新方法，该方法可用于解决最小化对抗样本属于特定类别的置信度；该方法执行过程中，通过嵌入不可见水印作为扰动信息生成对抗样本，其中，对抗样本的某一个像素通道分别保存原始图像缩放的尺寸、水印的打乱的随机数种子，原始图像打乱的随机数种子；而在不可见水印信息提取方面，本发明方案根据对抗样本的某一个像素通道保存的信息，可以完整提取出整个水印，实现不可见水印的信息提取；该方案可应用于对抗样本版权保护，其具有良好的安全性和鲁棒性。
-
公开(公告)号：CN114862647A
公开(公告)日：2022-08-05
申请号：CN202210544556.1
申请日：2022-05-19
Applicant: 福建农林大学
IPC: G06T1/00
Abstract: 本发明提供了一种基于最低有效位修改的不可见水印对抗样本生成方法，包括：在盆地跳跃改进方法执行过程中，通过最低有效位嵌入算法嵌入不可水印作为扰动信息生成对抗样本；在执行过程中，对抗样本的最后一个像素的通道分别保存嵌入水印的位置、水印的特定尺寸；在水印信息提取过程中，根据对抗样本的最后一个像素通道保存的信息，即可完整提取出整个水印。采用上述方法生成的对抗样本不仅有着良好的视觉效果，还具有较高的攻击率，适宜进一步推广应用。
-
公开(公告)号：CN112532999A
公开(公告)日：2021-03-19
申请号：CN202011461638.7
申请日：2020-12-09
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于深度神经网络的数字视频删帧篡改检测方法。该方法实现过程：将待检测视频剪辑成为若干个视频片段；利用多尺度差分卷积网络MsDCNN从视频片段中提取相邻帧的像素级差分特征和全局差分特征，将二者融合形成多尺度差分特征；将多尺度差分特征输入使用单向注意力机制的LSTM网络，经过全连接层得到视频片段的网络输出分数，判断视频片段中间点是否存在删帧；利用基于视频局部时空特征的后处理方法减少误检。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
