-
公开(公告)号：CN112163488B
公开(公告)日：2023-12-29
申请号：CN202010994947.4
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维压缩卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中的每一最大池化层前，分别增加一层卷积核大小为1*1*1且通道数为n的三维卷积层，得到三维压缩卷积神经网络，n为自定义参数。本发明创新性地提出三维模型压缩模块，通过在池化层前引入1*1*1大小卷积核的卷积层，降低了模型的负责度与体积，使之更适于实际使用与部署。
-
公开(公告)号：CN113723196A
公开(公告)日：2021-11-30
申请号：CN202110881067.0
申请日：2021-08-02
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开一种基于预测学习的视频虚假人脸检测方法及装置，包括：利用训练集对预测表征学习模型进行预训练；在训练好的预测表征学习模型的尾部拼接一分类器，构成深度伪造视频鉴别器，并利用训练集训练深度伪造视频鉴别器；将待检测视频中人脸的视频采样帧序列，输入训练好的深度伪造视频鉴别器，得到检测结果。本发明通过融合经残差学习的时空特征，提升了伪造特征检测性能，解决了模型退化问题。
-
公开(公告)号：CN112163494A
公开(公告)日：2021-01-01
申请号：CN202010995989.X
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维可视域扩展卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中每一由若干相连卷积层与一最大池化层组成的模块后面，增加一层或多层的可视域扩展模块，得到三维可视域扩展卷积神经网络；所述可视域扩展模块包括分别连接可视域扩展模块输入的若干支路和连接支路输出的Filter Concat层。本发明融合了视频的时空特征，并引入了三维可视域扩展模块，对视频进行不同尺度的特征提取，增加模型的鲁棒性并提升了模型性能。
-
公开(公告)号：CN110070183B
公开(公告)日：2021-08-20
申请号：CN201910181274.8
申请日：2019-03-11
Applicant: 中国科学院信息工程研究所
IPC: G06N3/08
Abstract: 本发明涉及一种弱标注数据的神经网络模型训练方法及装置。该方法的步骤包括：1)通过特征流深度神经网络从输入的特征中学习标签预测，并输出目标标签的预测结果；2)通过标签流深度神经网络从输入的多视角弱标签中学习标签预测，并输出目标标签的预测结果；3)采用广义的交叉熵损失定义标签的一致性，通过联合地训练所述特征流深度神经网络和所述标签流深度神经网络，对目标标签的预测结果进行优化。本发明采用特征与标签两路学习标签预测，通过双流协同统一融合了模型和知识，同时考虑了弱特征和弱标签，创新性地构建了模型协同优化策略，利用彼此的知识交叉验证引导模型优化。
-
公开(公告)号：CN112163238A
公开(公告)日：2021-01-01
申请号：CN202010940180.7
申请日：2020-09-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种多方参与数据不共享的网络模型训练方法，其步骤包括：1)参与数据共享的各参与方利用所选隐私数据集训练各自所选网络模型，分别得到一教师网络模型；2)采用步骤a)～b)对学生网络模型S进行多轮训练，得到最终的公开网络模型M；a)选出一个教师网络模型Ti指导学生网络模型S更新：首先将训练数据Xi输入模型Ti，得到标签 在中加入噪声N得到Yi，将Xi输入学生网络模型S，输出S(Xi)；然后最小化S(Xi)与Yi之间的相似距离训练学生网络模型S；b)利用学生网络模型S对公开的未标记数据进行部分标记，然后使用部分标注的数据通过半监督知识蒸馏的方法将学生网络模型S中的知识蒸馏到一公开网络模型M中。
-
Patent Agency Ranking
公开(公告)号：CN113723196B
公开(公告)日：2024-05-28
申请号：CN202110881067.0
申请日：2021-08-02
Applicant: 中国科学院信息工程研究所
IPC: G06V40/16 , G06V20/40 , G06V40/40 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明公开一种基于预测学习的视频虚假人脸检测方法及装置，包括：利用训练集对预测表征学习模型进行预训练；在训练好的预测表征学习模型的尾部拼接一分类器，构成深度伪造视频鉴别器，并利用训练集训练深度伪造视频鉴别器；将待检测视频中人脸的视频采样帧序列，输入训练好的深度伪造视频鉴别器，得到检测结果。本发明通过融合经残差学习的时空特征，提升了伪造特征检测性能，解决了模型退化问题。
-
公开(公告)号：CN112163493A
公开(公告)日：2021-01-01
申请号：CN202010995945.7
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维残差学习卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，所述三维残差学习卷积神经网络包括一或多个卷积层及相应最大池化层、若干由一或多个三维残差学习模块组成的三维残差学习层、一平均池化层及一输出层；所述三维残差学习模块包括分别连接三维残差学习模块输入的第一支路、第二支路和对两条第一支路与第二支路输出结果相加的运算层。本发明对视频特征进行残差学习，以解决网络过深时可能导致的模型退化问题，提升模型性能。
-
公开(公告)号：CN112163488A
公开(公告)日：2021-01-01
申请号：CN202010994947.4
申请日：2020-09-21
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供一种视频虚假人脸检测方法及电子装置，包括：对待检测视频进行人脸定位，得到人脸序列；对人脸序列进行预处理，得到指定大小和长度的视频采样帧序列；将视频采样帧序列输入训练好的三维压缩卷积神经网络，判断待检测视频中的人脸是否为虚假人脸；其中，通过在三维卷积神经网络中的每一最大池化层前，分别增加一层卷积核大小为1*1*1且通道数为n的三维卷积层，得到三维压缩卷积神经网络，n为自定义参数。本发明创新性地提出三维模型压缩模块，通过在池化层前引入1*1*1大小卷积核的卷积层，降低了模型的负责度与体积，使之更适于实际使用与部署。
-
公开(公告)号：CN112163238B
公开(公告)日：2022-08-16
申请号：CN202010940180.7
申请日：2020-09-09
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种多方参与数据不共享的网络模型训练方法，其步骤包括：1)参与数据共享的各参与方利用所选隐私数据集训练各自所选网络模型，分别得到一教师网络模型；2)采用步骤a)～b)对学生网络模型S进行多轮训练，得到最终的公开网络模型M；a)选出一个教师网络模型Ti指导学生网络模型S更新：首先将训练数据Xi输入模型Ti，得到标签在中加入噪声N得到Yi，将Xi输入学生网络模型S，输出S(Xi)；然后最小化S(Xi)与Yi之间的相似距离训练学生网络模型S；b)利用学生网络模型S对公开的未标记数据进行部分标记，然后使用部分标注的数据通过半监督知识蒸馏的方法将学生网络模型S中的知识蒸馏到一公开网络模型M中。
-
公开(公告)号：CN110070183A
公开(公告)日：2019-07-30
申请号：CN201910181274.8
申请日：2019-03-11
Applicant: 中国科学院信息工程研究所
IPC: G06N3/08
Abstract: 本发明涉及一种弱标注数据的神经网络模型训练方法及装置。该方法的步骤包括：1)通过特征流深度神经网络从输入的特征中学习标签预测，并输出目标标签的预测结果；2)通过标签流深度神经网络从输入的多视角弱标签中学习标签预测，并输出目标标签的预测结果；3)采用广义的交叉熵损失定义标签的一致性，通过联合地训练所述特征流深度神经网络和所述标签流深度神经网络，对目标标签的预测结果进行优化。本发明采用特征与标签两路学习标签预测，通过双流协同统一融合了模型和知识，同时考虑了弱特征和弱标签，创新性地构建了模型协同优化策略，利用彼此的知识交叉验证引导模型优化。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.01 seconds)
