-
公开(公告)号:CN117315798B
公开(公告)日:2024-03-12
申请号:CN202311546911.X
申请日:2023-11-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院
IPC: G06V40/40 , G06V40/16 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于身份脸型特征的深度伪造检测方法,涉及深度伪造检测技术领域,引入身份特征与3D人脸形状特征相结合,设计了脸型一致性自注意力模块、身份引导脸型一致性注意力模块,挖掘其中的身份脸型不一致特征,根据不同检测人脸的参考人脸信息,具有更强的针对性。额外利用了待检测人脸的参考人脸辅助检测,具有更强的针对性。利用身份特征和形状特征实现更好的泛化检测性能,提高深度伪造检测性能和精准度。
-
公开(公告)号:CN116778968B
公开(公告)日:2024-03-12
申请号:CN202310732859.0
申请日:2023-06-20
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G10L25/66 , A61B7/04 , G10L25/30 , G10L25/24 , G06F18/213 , G06F18/2433 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 一种基于深度可分离卷积与注意力机制的心音分类方法,涉及心音信号技术领域,把心音信号分段,利用注意力机制算法提取到重要心音特征,然后通过深度卷积对每个通道平面上进行卷积运算,提取特征的局部信息,大大降低参数以及运算量,再利用多头注意力机制提取心音特征的全局信息,再对通道进行卷积运算,即在通道维度上提取局部特征,在关注局部特征的同时,也充分兼顾了心音的全局特征信息。
-
公开(公告)号:CN117653137A
公开(公告)日:2024-03-08
申请号:CN202311523454.2
申请日:2023-11-16
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 山东省计算中心(国家超级计算济南中心)
IPC: A61B5/346
Abstract: 一种基于对比学习和多尺度双维注意力机制的心电分类方法,涉及心电信号分类技术领域,设计了MFE‑ResNet网络模型以解决未充分建模特征在通道和时间上的相关性问题。该模型包括并行卷积模块、Batch_Norm层、Relu激活函数层、并行的残差和空洞卷积模块、多尺度双维注意力模块以及融合模块。能够有效提取心电信号的特征表示,弥补传统模型的不足,并提高特征捕捉能力。
-
公开(公告)号:CN117078941B
公开(公告)日:2024-03-01
申请号:CN202311231297.8
申请日:2023-09-22
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海信医疗设备股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/70 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 一种基于上下文级联注意力的心脏MRI分割方法,涉及医学图像分割技术领域,在编码器中引入残差初始模块来更好的学习有效的特征表示,提高模型的性能和泛化能力。在解码器中通过级联操作利用不同层的互补信息来细化每一层的特征,同时使用上下文注意力模块通过保留局部信息和压缩全局信息来探索每一层的上下文信息,并抑制不重要的信息区域来突出显著的特征,从而提高分割的精确度。
-
公开(公告)号:CN117593798A
公开(公告)日:2024-02-23
申请号:CN202311598459.1
申请日:2023-11-28
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC: G06V40/40 , G06V40/16 , G06V10/46 , G06V10/20 , G06V10/54 , G06V10/24 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于双分支特征增强的伪造人脸检测方法,涉及人脸检测技术领域,利用了RGB图像和细粒度的频域信息,在每一条分支上分别应用了特征增强模块和网络卷积注意力模块来去除一些无用特征增强与伪造相关的特征,同时为了使模型只关注图像的局部区域,较少地关注全局信息,进一步增强所需要的特征,提出虚假检测模块,以指导模型关注局部伪影区域进一步增强伪造特征并作出最后的预测,检测的准确性明显提高。
-
公开(公告)号:CN116469151B
公开(公告)日:2024-02-02
申请号:CN202310524491.9
申请日:2023-05-11
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06V40/16 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 一种基于面部表情的生成式AI人脸检测方法,构建AIR‑Face人脸数据集用于生成式AI人脸训练。使用未经训练的信息特征空间进行真假分类。在这个空间中执行最近线性探测可以显着提高检测假图像的泛化能力,特别是来自扩散模型或自回归模型等较新方法。该方法通过分阶段训练的方式提高了生成式AI人脸的特征提取效果,并通过特征空间对生成式AI人脸进行检测。相较其他方法,本方法科学有效的提高了生成式AI人脸的识别精度,充分利用分段训练挖掘人脸的潜在语义信息,以此进行生成式AI人脸检测,提高了可靠性和准确率,解决了生成式AI人脸检测的需求。
-
公开(公告)号:CN116383649B
公开(公告)日:2024-01-23
申请号:CN202310340465.0
申请日:2023-04-03
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06F18/214 , A61B5/346 , A61B5/00 , G06F18/24 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 一种基于新型生成对抗网络的心电信号增强方法,通过使用不同隐藏神经元大小的双向长短时记忆神经网络的多分支结构,同时,将不同BiLSTM前向传播的最后一个时间步的输出进行拼接,有效增强了生成器模型对输入数据的理解和表达能力。提出了一个新的心电信号增强模块EEA‑Net,该模块使用了自适应卷积层动态的调整卷积核的大小,使得模型能够更加灵活的处理不同长度的输入序列,同时该模型使用了自适应平均池化层对输入数据进行加权平均池化,以便更好地捕捉输入数据的重要信息。
-
公开(公告)号:CN117357129A
公开(公告)日:2024-01-09
申请号:CN202311499058.0
申请日:2023-11-13
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心) , 山东省人工智能研究院
Abstract: 一种针对可穿戴式设备的心电图QRS波形检测方法,涉及心电信号处理技术领域,使用了一个新的心电信号波形检测网络S2TE_Net,该网络使用了时空特征提取模块和激励挤压模块相结合,以实现对QRS波形的准确检测。在时空特征提取模块中,使用了卷积神经网络(CNN)和双向长短期记忆网络(Bi‑LSTM)的结合体。CNN可以捕捉时间序列数据中的空间特征,Bi‑LSTM可以捕获ECG信号中存在的时间特征并平滑高频噪声,从而在可穿戴式设备中获得更准确的QRS波形检测结果。
-
公开(公告)号:CN117078941A
公开(公告)日:2023-11-17
申请号:CN202311231297.8
申请日:2023-09-22
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海信医疗设备股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/70 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 一种基于上下文级联注意力的心脏MRI分割方法,涉及医学图像分割技术领域,在编码器中引入残差初始模块来更好的学习有效的特征表示,提高模型的性能和泛化能力。在解码器中通过级联操作利用不同层的互补信息来细化每一层的特征,同时使用上下文注意力模块通过保留局部信息和压缩全局信息来探索每一层的上下文信息,并抑制不重要的信息区域来突出显著的特征,从而提高分割的精确度。
-
公开(公告)号:CN116778968A
公开(公告)日:2023-09-19
申请号:CN202310732859.0
申请日:2023-06-20
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G10L25/66 , A61B7/04 , G10L25/30 , G10L25/24 , G06F18/213 , G06F18/2433 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 一种基于深度可分离卷积与注意力机制的心音分类方法,涉及心音信号技术领域,把心音信号分段,利用注意力机制算法提取到重要心音特征,然后通过深度卷积对每个通道平面上进行卷积运算,提取特征的局部信息,大大降低参数以及运算量,再利用多头注意力机制提取心音特征的全局信息,再对通道进行卷积运算,即在通道维度上提取局部特征,在关注局部特征的同时,也充分兼顾了心音的全局特征信息。
-
-
-
-
-
-
-
-
-