-
公开(公告)号：CN112148875A
公开(公告)日：2020-12-29
申请号：CN202010768194.5
申请日：2020-08-03
Applicant: 杭州中科睿鉴科技有限公司 , 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的目的是提供一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的技术方案是一种基于图卷积神经网络整合内容和结构信息的争议性检测方法，其特征在于：建立“话题‑帖子‑评论”图，图中评论连接到该评论回复的评论/帖子上，帖子连接到该帖子属于的话题上；根据“话题‑帖子‑评论”图中话题节点、帖子节点和评论节点的文本获取相应节点的初始表达向量；使用图卷积神经网络学习“话题‑帖子‑评论”图中节点的表达；根据帖子节点和相应评论节点的平均表达进行争议性分类。本发明适用于社交媒体平台争议性检测领域。
-
公开(公告)号：CN113988180B
公开(公告)日：2025-03-28
申请号：CN202111262818.7
申请日：2021-10-28
Applicant: 杭州中科睿鉴科技有限公司
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于模型指纹的生成图像溯源方法。本发明所采用的技术方案是：一种基于模型指纹的生成图像溯源方法，其特征在于：通过生成器根据输入图像生成指纹；获取指纹后将其添加到随机选取的真实图像上，得到带指纹图像；将带指纹图像输入到鉴别器和辅助分类器中进行鉴别和分类；所述生成器包含编码器和解码器，编码器将输入图像投射为一个隐向量，解码器将隐向量转换成与输入图像大小相同的指纹；隐向量上加有分类头，分类头由平均池层和全连通层组成，以隐向量为输入并输出预测的类别；鉴别器用于对图像进行真假分类，将带所述生成器所生成指纹的图像分类为假；辅助分类器用于预测图像的来源，使带指纹图像与相应的输入图像归为一类。
-
公开(公告)号：CN114677690B
公开(公告)日：2024-11-19
申请号：CN202210317167.5
申请日：2022-03-29
Applicant: 中科计算技术创新研究院 , 杭州中科睿鉴科技有限公司
Abstract: 本发明涉及一种基于滑动窗口频域特征融合的文档篡改检测方法。适用于文档篡改检测领域。本发明所采用的技术方案是：一种基于滑动窗口频域特征融合的文档篡改检测方法，其特征在于：S1、利用滑动窗口对文档图像的文本行进行图像块的提取，滑动窗口长为W’，高为H，滑动步长为S，其中W’＜相应文本行的长W，H与相应文本行的高一致，S＜W’；S2、将通过滑动窗口获得的图像块输入基于频域特征融合模型，得到图像块对应的篡改预测分值；S3、将文本行按滑动步长S划分成多个子区域，并将子区域所在图像块的篡改预测分值平均数作为该子区域的区域篡改分值，形成与文本行对应的分值列表，分值列表上的每个区域篡改分值与文本行每个子区域一一对应。
-
公开(公告)号：CN113254864B
公开(公告)日：2024-05-28
申请号：CN202110478862.5
申请日：2021-04-29
Applicant: 中科计算技术创新研究院 , 杭州中科睿鉴科技有限公司
IPC: G06F17/14 , G06F17/16 , G06N3/042 , G06N3/0464 , G06Q50/00
Abstract: 本发明涉及一种基于节点特征和回复路径的动态子图生成方法、争议性检测方法，S1、基于“帖子‑评论”图G构建路径矩阵P和路径长度矩阵S，其中路径矩阵P记录图G中每个节点到终端节点的所有路径，终端节点包括图G中的帖子节点和没有回复的评论节点；路径长度矩阵S记录路径矩阵中每条路径的长度；S2、基于路径矩阵P和路径长度矩阵S计算得到路径拉普拉斯矩阵L；S3、基于路径拉普拉斯矩阵L以及图G中节点本身的内容特征，计算获得当前节点感知路径信息的表达；S4、基于当前节点与相应路径上所有节点的相似性，保留每条路径上最重要的部分节点，所有路径上的重要节点构成当前节点对应的子图，该子图中的节点为与当前节点相关的局部讨论。
-
公开(公告)号：CN113989713B
公开(公告)日：2023-05-12
申请号：CN202111265016.1
申请日：2021-10-28
Applicant: 杭州中科睿鉴科技有限公司
IPC: G06V20/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于视频帧序预测的深度伪造检测方法，以提高时序模型对时序特征的关注。本发明所采用的技术方案是：一种基于视频帧序预测的深度伪造检测方法，其特征在于：将可疑视频输入经训练的时序模型，通过时序模型提取该可疑视频的特征，将特征输入真假分类器，真假分类器输出该可疑视频真假概率；所述时序模型的训练，包括：随机将视频片段原有连续的视频帧打乱，并记录下打乱的方式；将打乱的视频帧输入时序模型提取特征，该特征同时送入帧序分类器和真假分类器；帧序分类器的结果和打乱方式之间计算帧序预测损失，真假分类器的结果和视频片段的真假标签之间计算真假分类损失。本发明适用于机器学习和计算机视觉领域。
-
Patent Agency Ranking
公开(公告)号：CN113988180A
公开(公告)日：2022-01-28
申请号：CN202111262818.7
申请日：2021-10-28
Applicant: 杭州中科睿鉴科技有限公司
Abstract: 本发明涉及一种基于模型指纹的生成图像溯源方法。本发明所采用的技术方案是：一种基于模型指纹的生成图像溯源方法，其特征在于：通过生成器根据输入图像生成指纹；获取指纹后将其添加到随机选取的真实图像上，得到带指纹图像；将带指纹图像输入到鉴别器和辅助分类器中进行鉴别和分类；所述生成器包含编码器和解码器，编码器将输入图像投射为一个隐向量，解码器将隐向量转换成与输入图像大小相同的指纹；隐向量上加有分类头，分类头由平均池层和全连通层组成，以隐向量为输入并输出预测的类别；鉴别器用于对图像进行真假分类，将带所述生成器所生成指纹的图像分类为假；辅助分类器用于预测图像的来源，使带指纹图像与相应的输入图像归为一类。
-
公开(公告)号：CN113901810A
公开(公告)日：2022-01-07
申请号：CN202111124543.0
申请日：2021-09-24
Applicant: 杭州中科睿鉴科技有限公司
IPC: G06F40/289 , G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多表示学习的跨领域虚假新闻检测方法。本发明的技术方案为一种基于多表示学习的跨领域虚假新闻检测方法，获取待检测的新闻文本和该新闻文本所属的领域标签；将新闻文本输入BERT模型，提取新闻文本的词嵌入向量；将新闻文本的词嵌入向量和领域标签输入基于多表示学习的领域共享特征生成器，得到融合的领域共享特征表达；将融合的领域共享特征表达输入虚假新闻分类器，输出新闻真假分类的概率值结果。本发明适用于虚假新闻检测领域。本发明通过领域门模型学习领域之间的关系，根据不同的领域之间的关系动态调节不同领域对于不同的领域共享特征的权重，降低了领域共享知识的学习难度，提高了跨领域的虚假新闻检测能力。
-
公开(公告)号：CN111553916B
公开(公告)日：2023-11-14
申请号：CN202010388676.8
申请日：2020-05-09
Applicant: 中科计算技术创新研究院 , 杭州中科睿鉴科技有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/90 , G06T1/00 , G06N3/0464 , G06V10/25 , G06V10/82
Abstract: 本发明涉及一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的目的是提供一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的技术方案是：一种基于多种特征和卷积神经网络的图像篡改区域检测方法，其特征在于：获取待检测图像：对待检测图像进行基于双重压缩痕迹特征的篡改检测；将待检测图像输入具有RGB流和噪声流双流输入的双流卷积篡改检测网络模型进行检测；对待检测图像进行基于图像匹配的复制‑粘帖检测；输出检测结果。本发明适用于数字图像取证领域。
-
公开(公告)号：CN113312479B
公开(公告)日：2023-05-30
申请号：CN202110523434.X
申请日：2021-05-13
Applicant: 杭州中科睿鉴科技有限公司
IPC: G06F16/35 , G06F16/953 , G06N3/0464 , G06N3/08
-
公开(公告)号：CN114677690A
公开(公告)日：2022-06-28
申请号：CN202210317167.5
申请日：2022-03-29
Applicant: 中科计算技术创新研究院 , 杭州中科睿鉴科技有限公司
Abstract: 本发明涉及一种基于滑动窗口频域特征融合的文档篡改检测方法。适用于文档篡改检测领域。本发明所采用的技术方案是：一种基于滑动窗口频域特征融合的文档篡改检测方法，其特征在于：S1、利用滑动窗口对文档图像的文本行进行图像块的提取，滑动窗口长为W’，高为H，滑动步长为S，其中W’＜相应文本行的长W，H与相应文本行的高一致，S＜W’；S2、将通过滑动窗口获得的图像块输入基于频域特征融合模型，得到图像块对应的篡改预测分值；S3、将文本行按滑动步长S划分成多个子区域，并将子区域所在图像块的篡改预测分值平均数作为该子区域的区域篡改分值，形成与文本行对应的分值列表，分值列表上的每个区域篡改分值与文本行每个子区域一一对应。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.072 seconds)
