-
公开(公告)号:CN115393697A
公开(公告)日:2022-11-25
申请号:CN202210895693.X
申请日:2022-07-28
申请人: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC分类号: G06V20/00 , G06V10/26 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明提出一种基于多元特征融合分割的图片伪造检测方法和系统,通过提取图像中伪造区域的光照梯度、噪声分布、压缩一致性特征后,对其进行加权融合成一个新的综合特征,送入到专用的分割神经网络判断图像是否是伪造的,并标记出伪造区域,同时将多元融合特征与网络分割结果结合,给出伪造检测的解释性展示,在提高传统方法的准确率和普适性的同时,弥补了深度学习方法可解释性较低的不足。
-
公开(公告)号:CN110287314B
公开(公告)日:2021-08-06
申请号:CN201910418900.0
申请日:2019-05-20
申请人: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC分类号: G06F16/35
摘要: 本发明涉及一种基于无监督聚类的长文本可信度评估方法,包括:以已知长文本获取训练数据,提取该训练数据的训练特征以构建训练特征向量集,对该训练特征向量集进行无监督聚类,得到多个训练类心;以待评估长文本获取评估数据,提取该评估数据的评估特征向量;获取该评估特征向量相对该训练类心的评估值,并以该评估值得到该待评估长文本的可信度。本发明通过无监督聚类对长文本进行可信度评估,在实施过程中不需要标注数据,节省了人力、物力与时间,避免了数据中标签稀疏带来的困扰;提取了长文本的文本特征,对于可信度评估任务更加适用,使用该模型得到的文本的可信度更具有可解释性,同时在平台之间可以迁移。
-
公开(公告)号:CN109829089B
公开(公告)日:2021-03-05
申请号:CN201811516557.5
申请日:2018-12-12
申请人: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC分类号: G06F16/906 , G06F16/958 , G06Q50/00
摘要: 本发明涉及一种基于关联图谱的社交网络用户异常检测方法和系统,针对现有事件可视化展示技术的不足以及事件、用户、事件主题等多种实体关联性较弱不易于进行用户异常检测,提出一种基于微博平台的事件可视化方法以及事件、用户、事件主题等多种实体构建异构关联网络图谱进行用户异常检测;在不缺失事件信息的同时,让使用者更加全面、深入地了解整个事件的发展演变过程,并根据已有的异构关联网络图谱更加直观的进行用户异常检测。
-
公开(公告)号:CN110287314A
公开(公告)日:2019-09-27
申请号:CN201910418900.0
申请日:2019-05-20
申请人: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC分类号: G06F16/35
摘要: 本发明涉及一种基于无监督聚类的长文本可信度评估方法,包括:以已知长文本获取训练数据,提取该训练数据的训练特征以构建训练特征向量集,对该训练特征向量集进行无监督聚类,得到多个训练类心;以待评估长文本获取评估数据,提取该评估数据的评估特征向量;获取该评估特征向量相对该训练类心的评估值,并以该评估值得到该待评估长文本的可信度。本发明通过无监督聚类对长文本进行可信度评估,在实施过程中不需要标注数据,节省了人力、物力与时间,避免了数据中标签稀疏带来的困扰;提取了长文本的文本特征,对于可信度评估任务更加适用,使用该模型得到的文本的可信度更具有可解释性,同时在平台之间可以迁移。
-
公开(公告)号:CN111694955B
公开(公告)日:2023-09-12
申请号:CN202010382894.0
申请日:2020-05-08
申请人: 中国科学院计算技术研究所
摘要: 本发明提出一种社交平台的早期争议性消息检测方法及系统,包括:收集社交平台中关于预设话题下的所有消息,并根据每一条消息的评论信息为每一条消息的争议性进行标记,提取标记后消息的多维度争议性特征作为训练数据,以该训练数据训练梯度提升树模型,得到争议性消息检测模型;从该社交平台获取待发表的消息作为待检测消息,并将该待检测消息的多维度争议性特征输入至该争议性消息检测模型,得到该待检测消息的争议性消息检测结果。本发明可得到社交平台中待审核发表消息的争议性。
-
公开(公告)号:CN113537027B
公开(公告)日:2023-09-01
申请号:CN202110776853.4
申请日:2021-07-09
申请人: 中国科学院计算技术研究所
IPC分类号: G06V40/16 , G06V10/40 , G06V10/764 , G06V10/774 , G06N20/00
摘要: 本发明提出一种基于面部划分的人脸深度伪造检测方法和系统,包括:对训练数据,提取全局人脸特征;根据获取全局人脸特征过程中产生的浅层卷积特征,将该浅层卷积特征根据预设的面部划分方式,划分为多个图像区域,分别将该图像区域输入至局部人脸特征提取模型,得到该人脸图像的多个局部特征;通过注意力模型提取该多个局部特征间的关系特征,并将该关系特征与该全局特征拼接后输入至二分类模型,得到该训练数据的检测结果,根据该结果和该标签构建损失函数,以训练该全局人脸特征提取模型、局部人脸特征提取模型、注意力模型和该二分类模型。
-
公开(公告)号:CN116189313A
公开(公告)日:2023-05-30
申请号:CN202211387389.0
申请日:2022-11-07
申请人: 中国科学院计算技术研究所
摘要: 本发明提出一种基于并发策略的深度合成图像视频伪造检测方法和系统,包括:获取由多个操作构成的深伪检测流程,将该深伪检测流程中操作耗时程度大于预设值的操作作为独立操作,并通过为每个独立操作的数据输入,构建对应的输入缓存队列,得到独立检测流程;以多个该独立检测流程并发执行图像的伪造检测任务,且在伪造检测过程中每个独立检测流程的输入缓存队列根据打包数据策略,将队列中的数据打包送入与当前输入缓存队列对应的独立操作;汇总各独立检测流程的输出,得到该图像的伪造检测结果。
-
公开(公告)号:CN112132133A
公开(公告)日:2020-12-25
申请号:CN202010545903.3
申请日:2020-06-16
摘要: 本发明涉及一种标识图像数据增强方法及真伪智能鉴定方法。本发明的目的是提供一种标识图像数据增强方法及真伪智能鉴定方法,解决现有图像分类算法遇到小样本问题时的解决方案。本发明的技术方案是:一种标识图像数据增强方法,其特征在于:获取显示有标识的真图;获取真图中标识的关键特征数据;基于关键特征数据建立伪图数据规则;根据数据规则生成伪图。本发明适用于计算机视觉技术领域。
-
公开(公告)号:CN111553916A
公开(公告)日:2020-08-18
申请号:CN202010388676.8
申请日:2020-05-09
摘要: 本发明涉及一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的目的是提供一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的技术方案是:一种基于多种特征和卷积神经网络的图像篡改区域检测方法,其特征在于:获取待检测图像:对待检测图像进行基于双重压缩痕迹特征的篡改检测;将待检测图像输入具有RGB流和噪声流双流输入的双流卷积篡改检测网络模型进行检测;对待检测图像进行基于图像匹配的复制-粘帖检测;输出检测结果。本发明适用于数字图像取证领域。
-
公开(公告)号:CN112699726B
公开(公告)日:2023-04-07
申请号:CN202011251301.3
申请日:2020-11-11
IPC分类号: G06V20/20 , G06V10/74 , G06V10/774 , G06V10/764
摘要: 本发明涉及一种图像增强方法、真伪商品鉴别方法及设备。本发明的目的是提供一种图像增强方法、真伪商品鉴别方法及设备,以避免数据集有偏导致分类模型过拟合到无关因子。本发明的技术方案是:一种图像增强方法,其特征在于:S01、对于具体的图像分类任务分析其中分类无关的有偏因子,控制有偏因子对应的属性为唯一变量,摄取图像作为源域数据集;S02、通过GAN网络结构训练有偏因子对应属性迁移模型,学习一个生成器G,x’=G(x,a);S03、在目标数据集上,应用经训练的生成器G扩充样本,对于目标数据集上的每一个样本,通过遍历有偏因子对应属性所有的取值a,得到无偏的生成样本。本发明适用于计算机视觉领域。
-
-
-
-
-
-
-
-
-