公开(公告)号：CN118570599A

公开(公告)日：2024-08-30

申请号：CN202410724476.3

申请日：2024-06-05

申请人： 河南大学

发明人： 牛亚坤 ,  陈英健 ,  张延锋 ,  殷红建 ,  张磊 ,  冯继龙

IPC分类号： G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06T3/4038 ,  G06N3/048 ,  G06N3/08

摘要： 本发明涉及AI生成图像鉴别技术领域，具体涉及基于冻结ViT特征融合网络的AI生成图像检测方法。方法包括：获取待鉴别的图像以及由样本图像构成的数据集；基于冻结CLIP‑ViT建立多层次特征融合网络，利用数据集对多层次特征融合网络进行训练，获得训练好的多层次特征融合网络；将待鉴别的图像输入到训练好的多层次特征融合网络中，获得待鉴别的图像的鉴别结果。本发明提高了图像鉴别结果的准确度。

公开(公告)号：CN118015714A

公开(公告)日：2024-05-10

申请号：CN202410012554.7

申请日：2024-01-03

申请人： 河南大学

发明人： 张磊 ,  陈英健 ,  牛亚坤 ,  左宪禹 ,  乔保军 ,  张延锋

IPC分类号： G06V40/40 ,  G06V40/16 ,  G06V10/80 ,  G06V10/82

摘要： 本发明涉及计算机视觉技术领域，具体涉及一种基于多特征融合网络的人脸伪造检测方法，包括：获取网络模型的训练数据集、验证数据集和测试数据集；建立多特征融合网络模型，训练多特征融合网络模型，得到训练好的多特征融合网络模型；将测试数据集输入到训练好的多特征融合网络模型中进行测试，得到在检测人脸图像时的性能指标，对训练好的多特征融合网络模型进行优化；基于获取的不同人脸伪造方式生成的人脸图像，评估优化后的多特征融合网络模型。本发明通过结合深度学习和多特征融合，提高了人脸伪造检测的准确性和鲁棒性。

公开(公告)号：CN117830784A

公开(公告)日：2024-04-05

申请号：CN202410029975.0

申请日：2024-01-08

申请人： 河南大学

发明人： 张磊 ,  谈磊 ,  牛亚坤 ,  左宪禹 ,  张延锋

IPC分类号： G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/764

摘要： 本发明涉及数字图像取证技术领域，具体涉及基于双域融合的深度学习中值滤波取证方法。方法包括：建立双流卷积神经网络取证模型，并确定双流卷积神经网络取证模型的取证算法以及评估指标；基于训练数据集对双流卷积神经网络取证模型进行训练，得到训练后的双流卷积神经网络取证模型的模型参数；基于测试数据集对双流卷积神经网络取证模型的性能进行分析，对训练后的双流卷积神经网络取证模型进行优化，获得目标双流卷积神经网络取证模型；将待处理图像输入到目标双流卷积神经网络取证模型中获得中值滤波取证结果。本发明图像中值滤波取证结果的准确率和可信度。

公开(公告)号：CN117853862A

公开(公告)日：2024-04-09

申请号：CN202311583587.9

申请日：2023-11-24

申请人： 河南大学

发明人： 牛亚坤 ,  谈磊 ,  张磊 ,  左宪禹 ,  张延锋 ,  殷红建 ,  陈英健 ,  李郭宇 ,  范廷顺

IPC分类号： G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06V10/80 ,  G06V10/764 ,  G06V10/40

摘要： 本发明涉及图像取证技术领域，具体涉及基于RGB通道信息融合的深度学习图像操作链取证方法。将预处理后的原始图像数据集划分为训练数据集和测试数据集；建立ResNet变体深度学习取证模型，确定ResNet变体深度学习模型取证算法以及评估指标；使用训练后的ResNet变体深度学习取证模型，验证模型的取证精确度；使用不同相机源数据、不同分辨率数据的场景，验证ResNet变体深度学习取证模型的泛化性能；根据得到的性能分析结果，调整训练后的ResNet变体神经网络模型参数，优化训练后的ResNet变体神经网络模型。本发明提升了图像操作链取证结果的准确率，解决了没有先验信息条件下的鲁棒性问题。