-
公开(公告)号：CN119785193A
公开(公告)日：2025-04-08
申请号：CN202510282109.7
申请日：2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法，通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征，使得模型能够更全面地识别伪造图像中的细微差别。此外，真实性感知边界损失函数通过动态调整边界，成功应对了类别不平衡问题，尤其在真实图像样本稀缺的情况下，显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号：CN119785193B
公开(公告)日：2025-05-20
申请号：CN202510282109.7
申请日：2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法，通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征，使得模型能够更全面地识别伪造图像中的细微差别。此外，真实性感知边界损失函数通过动态调整边界，成功应对了类别不平衡问题，尤其在真实图像样本稀缺的情况下，显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号：CN119251509B
公开(公告)日：2025-03-14
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
公开(公告)号：CN119251509A
公开(公告)日：2025-01-03
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
-
-
Search Results
4
records
(took 0.018 seconds)
