基于网格分割的三维网格模型非盲水印实现方法

    公开(公告)号:CN103247017B

    公开(公告)日:2015-11-18

    申请号:CN201310167803.1

    申请日:2013-05-08

    申请人: 江苏大学

    发明人: 詹永照

    IPC分类号: G06T1/00

    摘要: 本发明提供一种基于网格分割的三维网格模型非盲水印实现方法,包括水印信息嵌入过程和水印信息检测过程,其中:水印信息嵌入过程为:对三维网格模型进行有意义的分割,然后对每个分块计算鲁棒重心,并以此重心为中心将分块由直角坐标转换成球面坐标,再通过调制每个分块中的顶点范数分布来嵌入水印序列;水印信息检测过程为:对待检测模型与原始模型进行重对齐、重采样操作,并确定待检测模型的分块信息后再进行水印提取。本发明的非盲水印实现方法可以抵抗简化、剪切、噪声等常规单一攻击,并且在抵抗联合攻击上也表现出较强的鲁棒性。

    基于网格分割的三维网格模型非盲水印实现方法

    公开(公告)号:CN103247017A

    公开(公告)日:2013-08-14

    申请号:CN201310167803.1

    申请日:2013-05-08

    申请人: 江苏大学

    发明人: 詹永照

    IPC分类号: G06T1/00

    摘要: 本发明提供一种基于网格分割的三维网格模型非盲水印实现方法,包括水印信息嵌入过程和水印信息检测过程,其中:水印信息嵌入过程为:对三维网格模型进行有意义的分割,然后对每个分块计算鲁棒重心,并以此重心为中心将分块由直角坐标转换成球面坐标,再通过调制每个分块中的顶点范数分布来嵌入水印序列;水印信息检测过程为:对待检测模型与原始模型进行重对齐、重采样操作,并确定待检测模型的分块信息后再进行水印提取。本发明的非盲水印实现方法可以抵抗简化、剪切、噪声等常规单一攻击,并且在抵抗联合攻击上也表现出较强的鲁棒性。

    一种表单识别方法、装置及存储介质

    公开(公告)号:CN117275019A

    公开(公告)日:2023-12-22

    申请号:CN202310163231.3

    申请日:2023-02-24

    摘要: 本发明涉及一种表单识别方法、装置及存储介质,该方法包括:定义表单识别模板;采用多任务表单框线分割和分类网络,由多尺度多级特征融合学习子网络提取表单特征,再由双头多任务子网络根据表单特征通过表单分割任务获得文本框分割结果,并通过表单分类任务获得表单分类结果;根据表单分类结果匹配表单模板信息,对分割的文本框进行检测与校验补全;在文本框中检测文本连通域,自适应定位文本边界框;基于文本分类识别机制,结合模板中的文本框区域信息,根据文本类型分类识别文本内容;结合表单印刷体文本的语义信息,校验手写内容识别结果。该方法、装置及存储介质可实现高效的表单自动识别,提高表单结构识别的鲁棒性和内容识别的准确性。

    基于图像分类的弱监督RGBD图像显著性检测方法及系统

    公开(公告)号:CN112861880B

    公开(公告)日:2021-12-07

    申请号:CN202110245920.X

    申请日:2021-03-05

    摘要: 本发明涉及一种基于图像分类的弱监督RGBD图像显著性检测方法及系统,该方法包括以下步骤:步骤S1:对于训练数据集中的图像,分别利用基于梯度的类别响应机制和RGBD图像显著物体检测算法,生成类别响应图和初始的显著图;步骤S2:对类别响应图和初始的显著图进行深度优化,并将二者融合生成初始的显著图伪标签;步骤S3:构建用于RGBD图像显著性检测的网络模型和混合损失函数;对网络模型进行训练,通过最小化混合损失,学习网络模型的最优参数,得到训练好的网络模型;步骤S4:利用训练好的网络模型来预测RGBD图像的显著图。该方法及系统有利于提高弱监督RGBD图像显著性检测的精度。

    一种融合上下文信息的多轮对话方法及系统

    公开(公告)号:CN112818105B

    公开(公告)日:2021-12-07

    申请号:CN202110163418.4

    申请日:2021-02-05

    摘要: 本发明涉及一种融合上下文信息的多轮对话方法及系统,该方法包括以下步骤:步骤A:从智能客服系统中获取用户与客服的相关对话数据,提取用户与客服之间的会话,构建多轮对话训练集;步骤B:构建用于多轮对话的融合上下文信息的深度学习网络模型及其损失函数,以多轮对话训练集中的对话与回答作为输入,在训练集上通过最小化损失函数训练深度学习网络模型;步骤C:将用户的对话输入训练好的深度学习网络模型中,输出最匹配的回答。该方法及系统有利于在与用户对话中给出更匹配的回答。

    一种融合文本和知识表征的问答匹配方法及系统

    公开(公告)号:CN112800203A

    公开(公告)日:2021-05-14

    申请号:CN202110163420.1

    申请日:2021-02-05

    摘要: 本发明涉及一种融合文本和知识表征的问答匹配方法及系统,该方法包括以下步骤:步骤A:从智能客服系统中获取问题以及答案记录,建立包括正确匹配问答对和错误匹配问答对的问答对训练集;步骤B:构建结合文本和知识表征的深度学习网络模型及其损失函数,以问答对训练集作为深度学习网络模型的输入,在训练集上通过最小化损失函数学习深度神经网络模型的最优参数,得到训练好的深度神经网络模型;步骤C:接收用户的提问,并将提问输入到训练好的深度学习网络模型中,输出匹配的答案。该方法及系统有利于提高针对用户提问自动给出匹配答案的精度。

    一种虹膜识别预处理过程中快速滤除伪造虹膜的异质虹膜分类器设计方法

    公开(公告)号:CN106778631B

    公开(公告)日:2020-11-20

    申请号:CN201611196794.9

    申请日:2016-12-22

    申请人: 江苏大学

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种虹膜识别预处理过程中快速滤除伪造虹膜的异质虹膜分类器设计方法,此分类器的设计包括改进的伪造虹膜数据库的设计、基于MSE分析的虹膜图像评估、基于SNR分析的虹膜图像评估、边缘检测、基于改进的边缘锐度分析的虹膜图像评估流程。在虹膜识别领域创新性的采用了双边滤波、MSE分析以及SNR分析相结合的虹膜图像评估体系针对无关类别虹膜攻击、散焦虹膜图像、运动模糊虹膜图像、美瞳虹膜图像的灰度特征及噪声分布特征实现对其高效且稳定的滤除。进一步针对仿真度较高的合成虹膜的边缘锐度特征创新性的设计基于改进的边缘锐度分析的虹膜图像评估体系。最终实现虹膜识别预处理过程中伪造虹膜快速、稳定的滤除。

    一种基于深度学习的底纹半色调处理方法

    公开(公告)号:CN109831597A

    公开(公告)日:2019-05-31

    申请号:CN201910149708.6

    申请日:2019-02-28

    IPC分类号: H04N1/405

    摘要: 本发明涉及一种基于深度学习的底纹半色调处理方法。首先,对输入的图像进行格式的识别、页数的识别和通道数的识别,然后采用文字抖动方法进行图片的半色调抖动;而后,对识别格式之后的图像进行灰度化处理,采用深度学习模型YOLO进行底纹位置的检测与识别,并将底纹位置的左上和右下的坐标存放在CSV文件中;再而,对图像进行噪点的降噪处理,并对图像进行边框检测,对有边框的位置进行边框加强;最后,设计并实现文字抖动底纹图案,对CSV文件中存放的坐标,即图像的底纹位置,调用相应的抖动底纹图案进行半色调处理,对结果图像进行二值化处理;对底纹半色调处理之后的图像进行格式化输出。