-
公开(公告)号：CN116383820A
公开(公告)日：2023-07-04
申请号：CN202211547947.5
申请日：2022-12-05
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06F21/57 , G06N3/0464 , G06N3/094
Abstract: 本发明属于计算机视觉与和计算机安全领域，具体涉及一种对抗重编程模型及方法，该对抗重编程模型包括特征提取模块、分类器、对抗扰动函数、对抗重编程线性函数和对抗损失函数；分类器包括若干卷积神经网络模型；特征提取模块采用卷积神经网络模型提取目标域数据集图像中的初始特征图，基于初始特征图通过对抗扰动函数获取对抗数据；且基于对抗数据设计所述对抗重编程线性函数；对抗重编程线性函数使目标域数据集图像在目标检测数据集中按攻击者的意图进行分类；本发明对抗重编程方法通过评估测试数据集的分类结果，发现掩模输入梯度的对齐度对对抗重编程攻击成功与否起着决定性作用；较大的对抗重编程掩模矩阵尺寸是有助于对抗重编程攻击的。
-
Patent Agency Ranking
公开(公告)号：CN116863513A
公开(公告)日：2023-10-10
申请号：CN202310011974.9
申请日：2023-01-05
Applicant: 西北工业大学深圳研究院 , 西北工业大学
Abstract: 本发明公开了一种基于高频增强的低质量Deepfake检测方法，属于Deepfake防御技术领域，包括：获取人脸图像集；提取人脸图像集中人脸图像的特征信息、局部高频信息和全局高频信息；将特征信息和局部高频信息、全局高频信息分别融合，得到第一融合信息和第二融合信息；对第一融合信息和第二融合信息进行融合，得到最终融合特征信息；将最终融合特征信息输入分类器进行分类预测，实现对于虚假人脸的检测。本方案通过构建局部高频信息增强分支，利用通道注意力机制的特性对DCT系数执行高频幅度增强，然后构建了通道瓶颈模块剔除系数噪声，经过DCT逆变换间接实现频域感知的多空间注意力机制。
-
公开(公告)号：CN111259831A
公开(公告)日：2020-06-09
申请号：CN202010063711.9
申请日：2020-01-20
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于重组颜色空间的虚假人脸判别方法，根据2D图像选择不同颜色空间中对虚假人脸检测最有效的颜色通道构成重组颜色空间，然后通过神经网络训练权重矩阵确定重组颜色空间的颜色通道的构成比重，通过分类网络完成虚假人脸判别。本发明不依赖图像深度信息，相较3D图像方法降低设备要求和部署成本，相较2D图像方法判别效果好，本发明在普通2D摄像头的支持下运行，降低了算法的部署成本。
-
公开(公告)号：CN111259831B
公开(公告)日：2023-03-24
申请号：CN202010063711.9
申请日：2020-01-20
Applicant: 西北工业大学
IPC: G06V40/40 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明提供了一种基于重组颜色空间的虚假人脸判别方法，根据2D图像选择不同颜色空间中对虚假人脸检测最有效的颜色通道构成重组颜色空间，然后通过神经网络训练权重矩阵确定重组颜色空间的颜色通道的构成比重，通过分类网络完成虚假人脸判别。本发明不依赖图像深度信息，相较3D图像方法降低设备要求和部署成本，相较2D图像方法判别效果好，本发明在普通2D摄像头的支持下运行，降低了算法的部署成本。
-
公开(公告)号：CN111639589B
公开(公告)日：2022-04-19
申请号：CN202010468575.1
申请日：2020-05-28
Applicant: 西北工业大学
IPC: G06V40/40 , G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于对抗学习和类颜色空间的视频虚假人脸检测方法，用于解决目前视频虚假人脸检测方法对利用对抗学习技术构建的视频虚假人脸图像检测效果较差的问题。基于对抗学习的虚假人脸检测方法需要构建对抗数据集用于训练，本发明中基于OULU‑NPU数据集，利用FGM、BIM和deepfool方法构建对抗数据集。首先在训练过程中，对训练视频数据进行预处理，提取和归一化人脸图像，然后利用上述三种攻击方法构建对抗数据集，再输入神经网络构建新颜色空间和训练模型。在检测过程中，对待测视频进行预处理，提取和归一化人脸图像。然后输入卷积神经网络，利用训练好的模型将归一化图像映射到新颜色空间，并进行特征提取和分类检测。本发明提出利用FGM、BIM和deepfool方法构建对抗数据集，然后使用对抗数据集训练自适应颜色空间映射、特征提取和分类模型。
-
公开(公告)号：CN111639589A
公开(公告)日：2020-09-08
申请号：CN202010468575.1
申请日：2020-05-28
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于对抗学习和类颜色空间的视频虚假人脸检测方法，用于解决目前视频虚假人脸检测方法对利用对抗学习技术构建的视频虚假人脸图像检测效果较差的问题。基于对抗学习的虚假人脸检测方法需要构建对抗数据集用于训练，本发明中基于OULU-NPU数据集，利用FGM、BIM和deepfool方法构建对抗数据集。首先在训练过程中，对训练视频数据进行预处理，提取和归一化人脸图像，然后利用上述三种攻击方法构建对抗数据集，再输入神经网络构建新颜色空间和训练模型。在检测过程中，对待测视频进行预处理，提取和归一化人脸图像。然后输入卷积神经网络，利用训练好的模型将归一化图像映射到新颜色空间，并进行特征提取和分类检测。本发明提出利用FGM、BIM和deepfool方法构建对抗数据集，然后使用对抗数据集训练自适应颜色空间映射、特征提取和分类模型。
-
-
-
-
-
Search Results
6
records
(took 0.041 seconds)
