-
公开(公告)号：CN117172999A
公开(公告)日：2023-12-05
申请号：CN202311155334.1
申请日：2023-09-06
Applicant: 华南农业大学
Abstract: 本发明公开了一种毒化图像生成方法及黑盒分类模型指纹水印方法，涉及神经网络模型保护和计算机视觉的技术领域，所述方法包括采用DWT‑DCT‑SVD方法将指纹水印扩散到整幅图像中，并对DCT系数进行加密。为解决图像数量不平衡和类别不平衡的问题，引入了毒化特征强化模块，提高水印的可靠性和保真度。通过毒化特征强化模块与原始分类模块相结合，能有效得到嵌入强度较小的指纹水印。该方法生成的毒化图像中的指纹水印具有极好的隐蔽性，即使在指纹水印差异为1位的情况下也可准确进行版权验证，并且对多种模型水印攻击表现出强鲁棒性。
-
公开(公告)号：CN109587498A
公开(公告)日：2019-04-05
申请号：CN201811593258.1
申请日：2018-12-25
Applicant: 华南农业大学
IPC: H04N19/40 , H04N21/4402 , H04N19/172 , H04N19/42 , H04N17/00
Abstract: 本发明提供一种由AVC转码HEVC视频的鉴定方法，包括：利用HEVC解码器对待鉴定视频进行解码，同时从码流中解析出每帧的预测单元划分情况；对于帧内预测的I帧和帧间预测的P帧分别统计其中5种和25种预测单元的出现频率；分别针对I帧和P帧，计算预测单元在每种帧中出现的平均频率，生成5维和25维特征集合；将两个特征集合合并成为30维特征集合，用于视频的训练或鉴定。本发明提供的一种由AVC转码HEVC视频的鉴定方法，通过分析HEVC视频中I帧和P帧的PU划分策略，提出一种基于I帧和P帧中PU分布概率的特征集合，并通过支持向量机分类器鉴定出HEVC转码视频，有效检测由AVC编码转换为HEVC的转码视频，为HEVC视频原始性的鉴定提供了有效的方法。
-
公开(公告)号：CN113935365B
公开(公告)日：2024-05-14
申请号：CN202111137316.1
申请日：2021-09-27
Applicant: 华南农业大学
IPC: G06V40/16 , G06V40/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提出一种基于空域和频域双特征的深度伪造视频鉴定方法及系统，涉及多媒体信息安全的技术领域，首先从待鉴定视频中提取视频帧，从提取到的视频帧中提取人脸区域图像，然后进行频域的图像分割及频率域分支特征提取、空间域分支特征提取，最后频率域分支特征和空间域分支特征合并形成特征向量，用于卷积神经网络分类器的训练和测试，避免当前深度伪造视频鉴定方法对低质量视频检测精度低、跨库检测性能差的问题，综合利用空域和频域特征，能够有效检测由深度伪造技术生成的虚假视频，提高了检测精度。
-
公开(公告)号：CN115482459A
公开(公告)日：2022-12-16
申请号：CN202211167523.6
申请日：2022-09-23
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于自注意力机制的真实场景图像篡改定位系统与方法，涉及计算机视觉的技术领域，包括特征提取模块、特征处理模块和特征融合模块；特征处理模块包括N个并行的特征处理分支；真实场景篡改图像输入特征提取模块，获得N个阶段初始特征图；第N个特征处理分支对第N阶段初始特征图进行处理，获得第N个注意力特征矩阵，输入前一特征处理分支；前N‑1个特征处理分支，每个分支根据相应的阶段初始特征图，结合后一分支的注意力特征矩阵进行处理，获得本分支的注意力特征矩阵，输入前一分支；特征融合模块对N个注意力特征矩阵进行特征融合，获得真实场景图像篡改掩码图。本发明能够在真实场景篡改图像中实现准确的篡改定位。
-
公开(公告)号：CN114897148A
公开(公告)日：2022-08-12
申请号：CN202210631633.7
申请日：2022-06-06
Applicant: 华南农业大学
IPC: G06N3/04 , G06N3/08 , G06K9/62 , G06T3/40 , G06T5/20 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种基于ResNet‑50的相机模型辨别网络系统，该相机模型辨别网络系统将自主设计的高斯增强模块与ResNet‑50网络系统进行融合，高斯增强模块放置于网络系统信息传输过程中，有效防止高频信息传递过程中的衰减现象。另外本发明还提供一种应用了基于ResNet‑50的相机模型辨别网络系统的方法，该方法通过利用预处理后的基准图像数据对网络系统进行训练，得到最优的网络系统参数，由于高斯增强模块的滤波权重参数随网络系统训练会同步更新，使得该模块能进一步自适应地强化微弱和脆弱的高频残差特征，有效防止高频信息传递过程中的衰减现象，同时该模块对训练带来的额外参数量和浮点运算量非常低；该方法针对现实场景中的不同社交媒体传输攻击的鲁棒性有较大提高，能有效进行相机模型辨别。
-
Patent Agency Ranking
公开(公告)号：CN112560734A
公开(公告)日：2021-03-26
申请号：CN202011532832.X
申请日：2020-12-23
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于深度学习的重获取视频检测方法、系统、设备及介质，所述方法包括：获取原始视频数据集和重获取视频数据集，所述重获取视频数据集通过拍摄设备对成像设备显示的原始视频数据进行采集获取；根据原始视频数据集和重获取视频数据集，获取训练数据集；对训练数据集中的训练视频数据进行预处理；以残差网络作为重获取视频检测模型，利用预处理后的训练视频数据对重获取视频检测模型进行训练，得到训练好的重获取视频检测模型；利用训练好的重获取视频检测模型对待测视频进行检测，判定是否为重获取视频。本发明能够实现重获取视频的检测，借鉴图像领域的研究方法和手段，一改传统的依靠手动提取特征的检测方法。
-
公开(公告)号：CN117238011A
公开(公告)日：2023-12-15
申请号：CN202310923711.5
申请日：2023-07-26
Applicant: 华南农业大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及人脸识别技术领域，公开了一种基于时空注意力引导融合的深度伪造检测方法，通过使用基于Xception网络的空间域和时序特征提取分支，设计注意力互引导模块来促进两个分支能够自适应的关注更细微的伪造痕迹，排除无关信息的干扰，同时设计跨模态注意力融合模块，筛选重要的时序信息融入到空间域特征中，捕捉大多数伪造视频中存在的不一致性问题，提升模型对未知伪造方法的检测能力。
-
公开(公告)号：CN117173001A
公开(公告)日：2023-12-05
申请号：CN202311169752.6
申请日：2023-09-11
Applicant: 华南农业大学
IPC: G06T1/00
Abstract: 本发明涉及数字水印技术领域，公开了一种基于攻击模拟仿真的鲁棒可逆水印嵌入及提取方法，包括以下具体步骤：获取原始图像；基于原始图像进行基于攻击模拟仿真的自适应归一化操作，得到归一化极谐波变换矩；进行最低嵌入最低强度的水印嵌入，得到带有水印的归一化极谐波变换矩和其量化失真；通过归一化极谐波变换矩进行自适应归一化的逆操作得到误差图像；通过误差图像得到候选水印图像；对候选水印图像进行攻击模拟仿真；计算舍入失真；得到包含水印与辅助信息的中间图像；并生成哈希值；通过哈希值完成鲁棒可逆水印嵌入。本发明解决了现有技术存在的水印鲁棒性和嵌入容量不足的问题，且具有自适应水印嵌入的特点。
-
公开(公告)号：CN112560734B
公开(公告)日：2023-10-10
申请号：CN202011532832.X
申请日：2020-12-23
Applicant: 华南农业大学
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的重获取视频检测方法、系统、设备及介质，所述方法包括：获取原始视频数据集和重获取视频数据集，所述重获取视频数据集通过拍摄设备对成像设备显示的原始视频数据进行采集获取；根据原始视频数据集和重获取视频数据集，获取训练数据集；对训练数据集中的训练视频数据进行预处理；以残差网络作为重获取视频检测模型，利用预处理后的训练视频数据对重获取视频检测模型进行训练，得到训练好的重获取视频检测模型；利用训练好的重获取视频检测模型对待测视频进行检测，判定是否为重获取视频。本发明能够实现重获取视频的检测，借鉴图像领域的研究方法和手段，一改传统的依靠手动提取特征的检测方法。
-
公开(公告)号：CN114998261A
公开(公告)日：2022-09-02
申请号：CN202210622240.X
申请日：2022-06-02
Applicant: 华南农业大学
Abstract: 本发明提供了一种双流U‑Net图像篡改检测网络系统，该网络采用U型编解码网络结构，编码器包括RGB流和Noise流，采用RGB流去提取图像中的高低层次篡改特征，从而获得粗定位效果；采用Noise流作为补充流去揭露图像中的局部噪声不一致性；两流以轻量级的层次化方式结合，使得本发明网络在不同的尺度上，感知形状与尺寸上差异大的篡改目标；编码器编码后，网络采用解码器同时融合编码特征与跳跃特征，获得丰富的低层次篡改痕迹和空间定位信息，满足精确定位篡改目标区域的需求；应用该双流U‑Net图像篡改检测网络系统的图像篡改检测方法，能同时检测拼接、复制移动、去除三种类型的篡改，该方法具备一定的鲁棒性，在应对不同压缩因子的JPEG压缩攻击中，仍能保持较好的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.018 seconds)
