-
公开(公告)号：CN116453199B
公开(公告)日：2024-01-26
申请号：CN202310566946.3
申请日：2023-05-19
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号： G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
摘要： 基于复杂纹理区域伪造痕迹的GAN生成人脸检测方法，首先提供了一种用于紧密连接的卷积层的DenseNet作为纹理增强块，对每张人脸图像的浅层纹理特征图进行纹理信息的增强。然后将增强的纹理特征图送入DCAR‑Net来提高感受野的灵活性，从而能够捕捉到更全局、语义层次更高的特征。该方法在网络主干中引入了空洞卷积以及跳跃连接，对于伪造检测任务来说，空洞卷积能够更好地捕捉到比较分散的伪造换脸痕迹，跳跃连接使得网络有恒等映射的能力，可以使网络变得更深、更容易训练，同时能够降低计算的复杂度，从而保证更好的人脸伪造检测效果。(56)对比文件Su-Gyeong Yu等.Face SpoofingDetection Using DenseNet《.InternationalConference on Intelligent Human ComputerInteraction》.2021,第 229-238页.Chih-Chung Hsu等.Deep Fake ImageDetection Based on Pairwise Learning.《MDPI》.2020,第1-14页.Hong-Shuo Chen等.DEFAKEHOP: A LIGHT-WEIGHT HIGH-PERFORMANCE DEEPFAKEDETECTOR《.arXiv:2103.06929v1》.2021,第1-6页.
-
公开(公告)号：CN116843696A
公开(公告)日：2023-10-03
申请号：CN202310470456.3
申请日：2023-04-27
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号： G06T7/10 , G06T7/00 , G06N3/0985 , G06N3/0464 , G06N3/0455
摘要： 一种基于特征相似性和超参数卷积注意力的心脏MRI分割方法，分割网络模型中使用特征相似性模块，通过提取长程依赖性来探索密集的上下文信息，并将其编码到特征图中，有助于分割心脏中不同形态的组织。将超参数卷积注意力模块代替解码器中的普通卷积，用于提取重要的特征信息，扩大感受野，加快收敛速度，提高模型性能。结合加权交叉熵损失和Dice损失的组合函数联合指导网络的训练，能够更全面的考虑正负样本之间的平衡关系，可以在保证高灵敏度的同时提高网络的训练效率和分割精度，产生更加稳定的训练结果。
-
公开(公告)号：CN116453199A
公开(公告)日：2023-07-18
申请号：CN202310566946.3
申请日：2023-05-19
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号： G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
摘要： 基于复杂纹理区域伪造痕迹的GAN生成人脸检测方法，首先提供了一种用于紧密连接的卷积层的DenseNet作为纹理增强块，对每张人脸图像的浅层纹理特征图进行纹理信息的增强。然后将增强的纹理特征图送入DCAR‑Net来提高感受野的灵活性，从而能够捕捉到更全局、语义层次更高的特征。该方法在网络主干中引入了空洞卷积以及跳跃连接，对于伪造检测任务来说，空洞卷积能够更好地捕捉到比较分散的伪造换脸痕迹，跳跃连接使得网络有恒等映射的能力，可以使网络变得更深、更容易训练，同时能够降低计算的复杂度，从而保证更好的人脸伪造检测效果。
-
公开(公告)号：CN116246022A
公开(公告)日：2023-06-09
申请号：CN202310218283.6
申请日：2023-03-09
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
摘要： 一种基于渐进式去噪引导的人脸图像身份合成方法，通过身份编码器充分提取身份特征，同时训练了一种渐进式身份去噪引导模型，过程中加入了身份引导和3D形状感知引导，使生成的人脸图像拥有更接近源图像帧身份和目标图像帧属性的特征。具有更好的稳定性，在百万分辨率条件下生成的图像仍然具有优势。
-
公开(公告)号：CN117649523B
公开(公告)日：2024-07-09
申请号：CN202311599251.1
申请日：2023-11-28
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06V10/26 , G06V10/44 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
摘要： 一种基于LUnetr模型的可变心脏MRI分割方法，涉及医学图像分割技术领域，通过对ACDC数据集中的数据进行预处理，将预处理后的数据集通过编码器中的MBConv模块以及pooling‑style模块得到特征图。然后将该特征图输入到解码器中，将LUnetr Block模块加入到解码器中，可以从全局和局部两个分支进行提取特征，充分利用融合特征中的有用信息，来确保对每个图像进行精准的分割，得到最终分割图像。科学有效的增强提取特征的效果，充分利用全局特征和局部特征相结合的方法来处理特征提取问题，提高了心脏图像分割的精准性以及高效性。
-
公开(公告)号：CN117593798B
公开(公告)日：2024-05-28
申请号：CN202311598459.1
申请日：2023-11-28
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06V40/40 , G06V40/16 , G06V10/46 , G06V10/20 , G06V10/54 , G06V10/24 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种基于双分支特征增强的伪造人脸检测方法，涉及人脸检测技术领域，利用了RGB图像和细粒度的频域信息，在每一条分支上分别应用了特征增强模块和网络卷积注意力模块来去除一些无用特征增强与伪造相关的特征，同时为了使模型只关注图像的局部区域，较少地关注全局信息，进一步增强所需要的特征，提出虚假检测模块，以指导模型关注局部伪影区域进一步增强伪造特征并作出最后的预测，检测的准确性明显提高。
-
公开(公告)号：CN117649523A
公开(公告)日：2024-03-05
申请号：CN202311599251.1
申请日：2023-11-28
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06V10/26 , G06V10/44 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
摘要： 一种基于LUnetr模型的可变心脏MRI分割方法，涉及医学图像分割技术领域，通过对ACDC数据集中的数据进行预处理，将预处理后的数据集通过编码器中的MBConv模块以及pooling‑style模块得到特征图。然后将该特征图输入到解码器中，将LUnetr Block模块加入到解码器中，可以从全局和局部两个分支进行提取特征，充分利用融合特征中的有用信息，来确保对每个图像进行精准的分割，得到最终分割图像。科学有效的增强提取特征的效果，充分利用全局特征和局部特征相结合的方法来处理特征提取问题，提高了心脏图像分割的精准性以及高效性。
-
公开(公告)号：CN116246022B
公开(公告)日：2024-01-26
申请号：CN202310218283.6
申请日：2023-03-09
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
摘要： 一种基于渐进式去噪引导的人脸图像身份合成方法，通过身份编码器充分提取身份特征，同时训练了一种渐进式身份去噪引导模型，过程中加入了身份引导和3D形状感知引导，使生成的人脸图像拥有更接近源图像帧身份和目标图像帧属性的特征。具有更好的稳定性，在百万分辨率条件下生成的图像仍然具有优势。
-
公开(公告)号：CN116524408A
公开(公告)日：2023-08-01
申请号：CN202310511654.X
申请日：2023-05-09
申请人： 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC分类号： G06V20/40 , G06V40/16 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 一种基于面部特征增强以及光流评估的虚假视频检测方法，构建了一个能对面部虚假视频进行检测的模型，通过挖掘视频帧中的面部的细微特征，充分捕捉帧与帧脸部之间的差异，并利用帧与帧之间的光流特性，有效的对面部虚假视频进行检测，提高了检测的精确度。
-
公开(公告)号：CN118411606A
公开(公告)日：2024-07-30
申请号：CN202410544481.6
申请日：2024-05-06
申请人： 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
IPC分类号： G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种基于改进YOLOv5的海洋船舶目标检测方法，涉及图像识别技术领域，在特征提取网络中融入动态蛇形卷积，适应不同尺寸的输入图像，提高了其对不同尺寸输入的适应性，从而进行特征序列融合。引入AIFI模块，AIFI模块用于在每个尺度内部进行特征交互，减少计算冗余并提高检测性能，增强模型对局部细节的理解，SSFF模块用于提高模型对空间上下文信息的敏感性，能够结合不同层次的特征图，融合了空间和尺度特征，并在不同尺度上聚合重要信息，从而提高模型的性能和鲁棒性，能够聚焦海洋目标特征，促进多尺度特征融合，从而能高效检测和识别图像中的对象。
-
-
-
-
-
-
-
-
-
搜索结果
55 条记录 (耗时 0.072 秒)
