-
公开(公告)号:CN114463859B
公开(公告)日:2023-08-11
申请号:CN202111295940.4
申请日:2021-11-03
申请人: 马上消费金融股份有限公司
IPC分类号: G06V40/40 , G06V40/50 , G06V10/764 , G06V10/774 , G06V40/16
摘要: 本申请公开了一种活体检测的对抗样本生成方法、装置、电子设备及存储介质,涉及互联网技术领域。该方法包括:首先获取包含伪造人脸的人脸图像,然后对该人脸图像进行人脸活体检测得到检测结果。当检测结果为假体时,将基于该人脸图像生成参考人脸图像,该参考人脸图像与人脸图像间的第一图像差异小于指定差异,以及该参考人脸图像属于活体的概率大于指定概率,最后将该参考人脸图像输出为对抗样本。由于在调整过程中会同时考虑图像差异及属于活体的概率与指定概率之间的差异这两个条件,本申请可以使图像差异及概率之间的差异在重复地调整过程中达到均衡,因此仅需要对包含伪造人脸的人脸图像做出微小改动就可得到攻击成功率较高的对抗样本。
-
公开(公告)号:CN115457614B
公开(公告)日:2023-08-04
申请号:CN202110561095.4
申请日:2021-05-20
申请人: 马上消费金融股份有限公司
IPC分类号: G06V40/16 , G06V10/22 , G06V10/56 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要: 本发明提供一种图像质量评价方法、模型训练方法及装置,该方法包括:获取待评价的第一图像;根据预先训练的图像质量评价模型对所述第一图像进行图像质量评价,得到图像质量评价结果;其中,所述图像质量评价模型包括卷积网络、视觉敏感度生成网络、残差网络、加权层、池化网络和全连接层。通过本发明提供的图像质量评价方法,可以提高图像质量评价的准确性。
-
公开(公告)号:CN114898244B
公开(公告)日:2023-07-21
申请号:CN202210369409.5
申请日:2022-04-08
申请人: 马上消费金融股份有限公司
IPC分类号: G06V20/40 , G06V40/16 , G06T17/00 , G06N3/0464 , G06N3/092
摘要: 本申请实施例公开了一种信息处理方法、装置、计算机设备及存储介质,本申请实施例通过获取目标视频;将每一帧的人脸图像输入第一目标预设主干模型,输出第一目标图像特征;获取第一目标图像特征在目标视频中不同帧的人脸图像对应的第一目标身份系数和第一目标纹理系数;将第一目标身份系数输入第二目标预设主干模型,输出第一目标身份特征;将第一目标纹理系数输入第三目标预设主干模型,输出第一目标纹理特征;将第一目标图像特征、第一目标身份特征和第一目标纹理特征进行拼接,得到第一目标特征;将第一目标特征输入目标预设头部网络模型,输出第一目标表情系数。结合视频中的先验知识进行表情系数预测,极大的提升了提取的表情系数的准确性。
-
公开(公告)号:CN116152694A
公开(公告)日:2023-05-23
申请号:CN202211247671.9
申请日:2022-10-12
申请人: 马上消费金融股份有限公司
IPC分类号: G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
摘要: 本说明书实施例提供了深度估计模型的训练方法、装置、电子设备及存储介质,深度估计模型的训练方法包括:获取多个样本图像组;每个样本图像组包括按照采集时间的顺序依次排列的多帧图像;将样本图像组输入待训练的深度估计模型进行迭代训练,得到训练后的深度估计模型;待训练的深度估计模型包括依次连接的编码子模型和解码子模型;编码子模型用于根据多帧图像,进行特征提取处理,得到对应的编码特征,编码特征用于反映多帧图像的时域特征;解码子模型用于根据编码特征生成多帧图像中最后一帧图像的深度信息预测结果。以此,提高了深度估计的准确性。
-
公开(公告)号:CN116152593A
公开(公告)日:2023-05-23
申请号:CN202211551262.8
申请日:2022-12-05
申请人: 马上消费金融股份有限公司
IPC分类号: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
摘要: 本公开提供一种训练方法及图像检测方法、装置、电子设备、存储介质,包括:将第一虚假图像样本和随机噪声图像输入图像生成模型,得到第二虚假图像样本;根据第二虚假图像样本与第一虚假图像样本之间的第一损失误差对图像生成模型进行模型训练,得到目标图像生成模型;将真实图像样本输入目标图像生成模型得到第三虚假图像样本;将真实图像样本和第三虚假图像样本依次输入图像判别模型进行图像判别,得到对应的真假判别结果;根据真假判别结果和样本标签之间的第二损失误差对图像判别模型进行模型训练;在图像判别模型的模型训练的过程中,根据第三虚假图像样本的真假判别结果和对应的样本标签之间的第三损失误差更新目标图像生成模型的模型参数。
-
公开(公告)号:CN116129532A
公开(公告)日:2023-05-16
申请号:CN202210944296.7
申请日:2022-08-05
申请人: 马上消费金融股份有限公司
IPC分类号: G06V40/40 , G06V40/16 , G06V10/774
摘要: 本说明书实施方式提供了一种模型训练、图像重构方法、装置、计算机设备及存储介质,通过图像重构模型提取可见光图像中所包含的目标对象的第一外观特征,以及深度图像中所包含的目标对象的第一姿态特征;基于第一外观特征以及第一姿态特征进行图像重构,得到重构图像;再次使用图像重构模型提取重构图像中包含的所述目标对象的第二外观特征,以及所述重构图像中所包含的所述目标对象的第二姿态特征;将可见光图像与重构图像之间的图像损失数据、第一外观特征与第二外观特征之间的外观损失数据、第一姿态特征与第二姿态特征之间的姿态损失数据作为监督信号,执行对图像重构模型的训练,得到能够对可见光图像进行高质量扩展的图像重构模型。
-
公开(公告)号:CN115880516A
公开(公告)日:2023-03-31
申请号:CN202111135062.X
申请日:2021-09-27
申请人: 马上消费金融股份有限公司
IPC分类号: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/77 , G06N3/0464 , G06T7/00 , G06N3/08
摘要: 本申请公开了一种图像分类方法、图像分类模型训练方法及相关设备。该方法包括:将第一图像输入到重构网络,得到第一特征图;将第一特征图输入到峰值信噪比计算网络,得到峰值信噪比值;在峰值信噪比值大于或等于第一阈值的情况下,将第一特征图输入到图像质量评价网络中,得到第一图像的平均主观意见分值;根据所述峰值信噪比值和所述平均主观意见分值确定所述第一图像的模糊程度;其中,在峰值信噪比值小于第一阈值或者平均主观意见分值大于或等于第二阈值的情况下,确定第一图像为第一类图像;在平均主观意见分值小于第二阈值的情况下,确定第一图像为第二类图像,第一类图像的模糊程度小于第二类图像的模糊程度。
-
公开(公告)号:CN115602153A
公开(公告)日:2023-01-13
申请号:CN202110771202.6
申请日:2021-07-08
申请人: 马上消费金融股份有限公司(CN)
摘要: 本申请公开了一种语音检测方法、装置、设备及可读存储介质,涉及语音处理技术领域,以提高语音检测结果的准确性。该方法包括:获取待检测语音的设置参数以及所述待检测语音;对所述待检测语音进行分段处理,得到至少一个分段语音;根据所述设置参数,对所述分段语音进行处理,获得每个所述分段语音的文本信息以及情绪信息;根据所述文本信息和所述情绪信息,得到所述待检测语音的流程质检信息和关键词检测结果。本申请实施例可以提高语音检测结果的准确性。
-
公开(公告)号:CN113869282B
公开(公告)日:2022-11-11
申请号:CN202111234680.X
申请日:2021-10-22
申请人: 马上消费金融股份有限公司
IPC分类号: G06V40/16 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
摘要: 本申请公开了一种人脸识别方法、超分模型训练方法及相关设备。该方法包括:获取目标视频的图像帧;将所述图像帧输入至人脸检测器,获得人脸图像;将所述人脸图像输入至预先训练的超分模型,得到分辨率放大后的第一特征图;将所述第一特征图输入至预先训练的人脸识别模型,获得人脸识别结果。由于利用超分模型提高了待识别图像的分辨率,从而提高了待识别图像的清晰度,进而可以提高人脸识别的准确度。因此,本申请实施例可以针对分辨率较低的视频图像,实现视频身份识别。
-
公开(公告)号:CN115131570A
公开(公告)日:2022-09-30
申请号:CN202210586125.1
申请日:2022-05-27
申请人: 马上消费金融股份有限公司
IPC分类号: G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06K9/62 , G06F16/583 , G06N3/04 , G06N3/08 , G06V10/82
摘要: 本申请实施例提供了一种图像特征提取模型的训练方法、图像检索方法及相关设备;其中,图像特征提取模型的训练方法包括:获取多个图像集合;其中,同一图像集合内所包括的多个图像的拍摄场景相同但拍摄视角互不相同;从多个图像集合中的每个图像集合中,分别获取至少两张图像作为一个训练图像对,并基于获取到的训练图像对构建训练样本集;将训练样本集输入至图像特征提取模型进行训练处理,得到训练完成的图像特征提取模型。通过本申请实施例,可以提升检索拍摄视角不同的相似图像的准确性。
-
-
-
-
-
-
-
-
-