-
公开(公告)号：CN117496394A
公开(公告)日：2024-02-02
申请号：CN202311337406.4
申请日：2023-10-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06V20/40 , G06V40/16 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/084 , G06N3/0464 , G10L25/57 , G10L25/30
Abstract: 本发明提供一种基于图像和语音多模态融合的伪造视频检测方法及装置，该方法涉及视频检测技术领域，包括：将待检测视频进行预处理，得到多个视频片段；待检测视频包括音频，每个视频片段包括音频；针对每个视频片段，分别提取视频片段的视频特征向量和视频片段中的音频的音频特征向量；基于各视频特征向量和各音频特征向量，确定待检测视频对应的总视频特征向量和总音频特征向量；基于各视频特征向量、各音频特征向量、总视频特征向量和总音频特征向量，确定待检测视频的目标检测结果；目标检测结果表示待检测视频为伪造视频或者真实视频，提升了待检测视频的目标检测结果的准确性，进而提升了对待检测视频中深度伪造内容的检测精度。
-
公开(公告)号：CN113608946B
公开(公告)日：2023-09-12
申请号：CN202110910834.6
申请日：2021-08-10
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 基于特征工程和表示学习的机器行为识别方法，由三个步骤构成：步骤一，对大数据进行分析，通过时间、频次等多维度的信息，建立3σ模型，用于确定机器行为的访问时间频段，在机器行为的访问时间频段下，通过分组聚合等方式，归纳总结提取出基于机器行为的特征；步骤二，并通过查阅API文档、软件模拟复现、官方的RFC文档等方式对行为进行定义和命名，整合成一组完备的机器行为特征，完成基于特征工程机器行为识别工作；步骤三，对识别效果不佳的模型加入与其他行为存在交集的特征，去排除其他行为，以提高准确率。
-
公开(公告)号：CN116680419A
公开(公告)日：2023-09-01
申请号：CN202310955604.0
申请日：2023-08-01
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/36 , G06F40/216 , G06F40/30 , G06F40/295
Abstract: 本发明涉及自然语言处理技术领域，提供一种多源数据映射关联细粒度不良信息检测方法，所述方法包括：获取待检测文本和历史浏览文本，待检测文本和历史浏览文本属于同一用户的浏览文本；对待检测文本进行实体关系抽取，得到待检测三元组；获取历史浏览文本中的不良信息所对应的历史三元组，并基于历史三元组与待检测三元组之间的关联度，从待检测三元组中确定出待检测文本中的不良信息所对应的三元组。本发明提供的一种多源数据映射关联细粒度不良信息检测方法，能够准确从待检测三元组中确定出待检测文本中的不良信息所对应的三元组，避免传统方法中分词演变绕过黑名单机制导致漏检的问题，进一步提高的不良信息的检测精度。
-
公开(公告)号：CN114519351A
公开(公告)日：2022-05-20
申请号：CN202210156822.3
申请日：2022-02-21
Applicant: 国家计算机网络与信息安全管理中心上海分中心
IPC: G06F40/289 , G06F40/216 , G06F16/28 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于用户意图嵌入图谱学习的主题文本快速检测方法，属于文本检测技术领域，该检测方法具体步骤如下：(1)识别主题文本以抽取主题特征；(2)嵌入用户意图以进行结构化提取；(3)对知识图谱进行结构化处理；(4)构建深度学习模型以检测主题文本；本发明能够更容易用户操作，贴近用户意图，与人工判定结果更为贴近，通过融合主动搜索知识图谱和深度学习的方法，能够提升算法识别性能，提高效率，识别准确率和召回率较高。
-
公开(公告)号：CN104461000A
公开(公告)日：2015-03-25
申请号：CN201410723146.9
申请日：2014-12-03
Applicant: 北京航空航天大学
CPC classification number: G06K9/00342 , G06K9/00369
Abstract: 本发明是一种基于少量缺失信号的在线连续人体运动识别方法，该方法首先针对每种运动类型的信号数据进行训练建立该类信号数据对应的分层回归模型，并标记该类数据所对应的运动种类；其次根据动作之间的连续性和可衔接性构建动作图对连续识别过程中运动类别的估计提供先验知识信息；然后在在线识别的过程中，通过分层各个分层回归模型的当前识别结果对连续的运动信号进行划分；最后，对当前识别的运动结果进行在线的绘制，从三维运动数据库中选取对应的运动数据片段，并通过运动图和运动插值技术以及动态时间规整生成连续的三维人体运动数据。
-
Patent Agency Ranking
-
公开(公告)号：CN102945561A
公开(公告)日：2013-02-27
申请号：CN201210392668.6
申请日：2012-10-16
Applicant: 北京航空航天大学
Abstract: 本发明是一种计算机骨骼动画中基于运动捕获数据的运动合成与编辑方法，该方法首先对给定的运动数据集进行简单的预处理，标记出构建生成模型所需要的先验信息；其次根据标注的信息定义多因子高斯随机过程来对运动数据集进行建模；然后根据构建的模型构造出基于最大后验估计(MAP)的目标函数并利用SCG最优化算法求解未知函数得到生成模型。最后，通过编辑隐变量因子，利用得到的生成模型实现了各种各样的运动合成与运动编辑方法，如风格转移、风格插值、运动重定向等。本发明的特点是首先通过利用多因子高斯过程对一组少量运动数据建模得到生成模型，然后利用该生成模型实现了一系类交互直观的运动编辑方法。
-
公开(公告)号：CN102945561B
公开(公告)日：2015-11-18
申请号：CN201210392668.6
申请日：2012-10-16
Applicant: 北京航空航天大学
Abstract: 本发明是一种计算机骨骼动画中基于运动捕获数据的运动合成与编辑方法，该方法首先对给定的运动数据集进行简单的预处理，标记出构建生成模型所需要的先验信息；其次根据标注的信息定义多因子高斯随机过程来对运动数据集进行建模；然后根据构建的模型构造出基于最大后验估计(MAP)的目标函数并利用SCG最优化算法求解未知函数得到生成模型。最后，通过编辑隐变量因子，利用得到的生成模型实现了各种各样的运动合成与运动编辑方法，如风格转移、风格插值、运动重定向等。本发明的特点是首先通过利用多因子高斯过程对一组少量运动数据建模得到生成模型，然后利用该生成模型实现了一系类交互直观的运动编辑方法。
-
公开(公告)号：CN102707806B
公开(公告)日：2015-01-14
申请号：CN201210156396.X
申请日：2012-05-18
Applicant: 北京航空航天大学
IPC: G06F3/01
Abstract: 本发明是一种基于加速度传感器的运动识别方法，属于人机交互技术领域，该方法首先采集传感器的加速度信号，在线的对加速度信号进行平滑处理，并自动的检测运动的起点和终点，分割出运动片段，实现信号的自动分割；为了提高识别准确率，本发明采用Fused隐马尔科夫模型算法作为分类器，在训练阶段对每个已知运动进行建模，并在识别阶段估计出当前信号表示的运动；为了能够在每个运动完成之前给出识别结果，本发明采用一个自回归的预测模型，用已经采集到的已知数据对未知数据进行预测，从而达到提前识别的效果。本发明的特点是通过少量传感器捕捉人体运动，并快速准确的识别出当前人体的运动类别。
-
公开(公告)号：CN102707806A
公开(公告)日：2012-10-03
申请号：CN201210156396.X
申请日：2012-05-18
Applicant: 北京航空航天大学
IPC: G06F3/01
Abstract: 本发明是一种基于加速度传感器的运动识别方法，属于人机交互技术领域，该方法首先采集传感器的加速度信号，在线的对加速度信号进行平滑处理，并自动的检测运动的起点和终点，分割出运动片段，实现信号的自动分割；为了提高识别准确率，本发明采用Fused隐马尔科夫模型算法作为分类器，在训练阶段对每个已知运动进行建模，并在识别阶段估计出当前信号表示的运动；为了能够在每个运动完成之前给出识别结果，本发明采用一个自回归的预测模型，用已经采集到的已知数据对未知数据进行预测，从而达到提前识别的效果。本发明的特点是通过少量传感器捕捉人体运动，并快速准确的识别出当前人体的运动类别。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.04 seconds)
