-
公开(公告)号：CN117857201B
公开(公告)日：2024-11-26
申请号：CN202410078748.7
申请日：2024-01-19
Applicant: 中国科学院信息工程研究所
IPC: H04L9/40
Abstract: 本发明公开一种基于流量指纹蒸馏的设备入网行为检测方法和系统，所述方法包括：收集不同移动设备加入内部局域网时产生的流量数据，以一定时间内的单次入网事件为单位分割入网流量；基于分割入网流量，提取每个入网事件中的域名特征，并通过为每一类移动设备构建初始的域名森林，得到每一类移动设备的初始指纹；蒸馏与优化每一类移动设备的初始指纹；基于优化后的移动设备指纹审计经过的网络流量，得到设备入网行为检测结果。本发明可以实现移动设备入网行为的识别与设备具体型号的分类。
-
公开(公告)号：CN114049581B
公开(公告)日：2024-07-05
申请号：CN202111135210.8
申请日：2021-09-27
Applicant: 中国科学院信息工程研究所
IPC: G06V20/40 , G06V40/20 , G06V10/62 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于动作片段排序的弱监督行为定位方法和装置，包括提取视频集中各视频的RGB特征与光流特征后，进行自注意力计算；使用自注意力RGB特征与自注意力光流特征，进行视频帧排序，得到每一视频的若干视频特征表示；利用视频特征表示，对一分类器及对抗网络进行共同训练，生成视频分类器；采用视频分类器对目标视频的自注意力RGB特征与自注意力光流特征进行分类，并根据视频分类结果与自注意力权重向量进行时序类别激活映射计算，以获取行为定位结果。本发明可以对复杂的视频动作和背景的视觉‑运动相关性灵活而明确的建模，利用对抗学习框架学习更加鲁棒的视频分类模型，降低计算复杂度及时序标注的时间。
-
公开(公告)号：CN116883886B
公开(公告)日：2024-05-28
申请号：CN202310598246.2
申请日：2023-05-25
Applicant: 中国科学院信息工程研究所
IPC: G06V20/40 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于双级对比学习与噪声鲁棒的弱监督时序语言定位方法和装置。该方法包括：提取初始的视频特征和初始的文本特征，分别输入自注意力模块以提取自注意力特征；通过互注意力模块提取跨模态语义特征，并利用时序提案生成网络对跨模态语义特征进行高斯建模，得到候选时序片段掩码、背景片段掩码与整个视频的掩码，并分别与初始的视频特征结合，生成前景、背景与整个视频的三种视频特征，然后通过跨模态关联去噪模块得到的鲁棒视频特征表示，并进行文本语义重建与双级对比学习；利用高斯建模参数对目标视频片段进行时序语言定位。本发明能够解决由于弱监督标注的主观性和模糊性造成的跨模态学习的语义鸿沟与关联噪声问题。
-
公开(公告)号：CN111985333B
公开(公告)日：2023-01-17
申请号：CN202010698168.X
申请日：2020-07-20
Applicant: 中国科学院信息工程研究所
IPC: G06V20/40 , G06V10/56 , G06V10/774 , G06V10/778 , G06V10/82 , G06N3/04
Abstract: 本发明提供一种基于图结构信息交互增强的行为检测方法及电子装置，包括提取一视频的n维视频特征，计算该n维视频特征基于自注意力的n维视频特征表达及各视频特征表达维度的自注意力权重向量，并根据n维视频特征表达，构建一图特征表达；将图特征表达输入一已训练的对抗网络，得到视频特征向量，并对视频特征向量进行分类；根据分类结果及自注意力权重向量，获取该视频的帧类别激活结果，分辨视频中的各动作或背景，得到所述视频中各动作的发生时间段。本发明可对复杂的视频动作和背景的视觉‑运动相关性灵活而明确的建模，更好的学习长视频特征，大大降低了计算复杂度以及时序标注的时间。
-
公开(公告)号：CN109800785A
公开(公告)日：2019-05-24
申请号：CN201811518273.X
申请日：2018-12-12
Applicant: 中国科学院信息工程研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于自表达相关的数据分类方法和装置。本方法为：1)在生成对抗网络框架下，通过生成器生成针对给定类别标签的假数据；主动学习算法在生成对抗网络每次迭代中从训练数据集选取有用的未标注的数据进行标注，添加到训练数据集A中；半监督学习在生成对抗网络每次迭代中从训练数据集未标注的样本数据中随机假标注一批样本数据，添加到训练数据集A中，直至生成对抗网络收敛；2)将生成对抗网络迭代结束时，将生成器最终生成的假数据添加到最终的训练数据集A中，然后利用分类器对最终的训练数据集A进行分类。本发明能解决标记数据不足以及训练集中类别数据不均衡的问题，以进一步提高分类准确性。
-
Patent Agency Ranking
公开(公告)号：CN118887138A
公开(公告)日：2024-11-01
申请号：CN202410846620.0
申请日：2024-06-27
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于领域自适应的扩散模型逆转图像重建方法和装置。该方法包括：获取待处理的源域高质量图像和目标域低质量图像作为初始输入图像；利用初始输入图像，使用预训练的扩散模型预测正向扩散过程中下一时刻的隐码，不断迭代直至得到每个时刻的隐码，至最终时刻时得到的隐码为符合高斯分布的噪声，在迭代的每一步都采用域修正网络在每个时刻对扩散模型预测的隐码进行修正；进而使用预训练的扩散模型预测逆向扩散过程中上一时刻的隐码，不断迭代直至得到重建图像。本发明在没有监督的情况下自发学习源域中高质量图像的有效表示并将其迁移到目标域中的低质量图像中，同时实现了对高质量和低质量两种图像的重建和编辑。
-
公开(公告)号：CN117857201A
公开(公告)日：2024-04-09
申请号：CN202410078748.7
申请日：2024-01-19
Applicant: 中国科学院信息工程研究所
IPC: H04L9/40
Abstract: 本发明公开一种基于流量指纹蒸馏的设备入网行为检测方法和系统，所述方法包括：收集不同移动设备加入内部局域网时产生的流量数据，以一定时间内的单次入网事件为单位分割入网流量；基于分割入网流量，提取每个入网事件中的域名特征，并通过为每一类移动设备构建初始的域名森林，得到每一类移动设备的初始指纹；蒸馏与优化每一类移动设备的初始指纹；基于优化后的移动设备指纹审计经过的网络流量，得到设备入网行为检测结果。本发明可以实现移动设备入网行为的识别与设备具体型号的分类。
-
公开(公告)号：CN116883886A
公开(公告)日：2023-10-13
申请号：CN202310598246.2
申请日：2023-05-25
Applicant: 中国科学院信息工程研究所
IPC: G06V20/40 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于双级对比学习与噪声鲁棒的弱监督时序语言定位方法和装置。该方法包括：提取初始的视频特征和初始的文本特征，分别输入自注意力模块以提取自注意力特征；通过互注意力模块提取跨模态语义特征，并利用时序提案生成网络对跨模态语义特征进行高斯建模，得到候选时序片段掩码、背景片段掩码与整个视频的掩码，并分别与初始的视频特征结合，生成前景、背景与整个视频的三种视频特征，然后通过跨模态关联去噪模块得到的鲁棒视频特征表示，并进行文本语义重建与双级对比学习；利用高斯建模参数对目标视频片段进行时序语言定位。本发明能够解决由于弱监督标注的主观性和模糊性造成的跨模态学习的语义鸿沟与关联噪声问题。
-
公开(公告)号：CN107563155B
公开(公告)日：2023-02-28
申请号：CN201710670786.1
申请日：2017-08-08
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于生成对抗网络的安全隐写方法和装置。该方法包括：在生成对抗网络框架下，通过生成网络生成要嵌入信息的载体图像，通过判别网络对生成的载体图像的真假性进行判断；通过生成网络和判别网络的动态博弈过程，使得生成网络生成的载体图像接近真实图像；对生成网络生成的载体图像进行信息的嵌入；然后利用隐写分析网络对输入的载体图像和隐写后的图像进行二分类，得到分类为原图和隐写图的准确率。本发明生成的载体图像在视觉上更接近真实图像，并且生成的速度更快，能够提高隐写的安全性。
-
公开(公告)号：CN114049581A
公开(公告)日：2022-02-15
申请号：CN202111135210.8
申请日：2021-09-27
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于动作片段排序的弱监督行为定位方法和装置，包括提取视频集中各视频的RGB特征与光流特征后，进行自注意力计算；使用自注意力RGB特征与自注意力光流特征，进行视频帧排序，得到每一视频的若干视频特征表示；利用视频特征表示，对一分类器及对抗网络进行共同训练，生成视频分类器；采用视频分类器对目标视频的自注意力RGB特征与自注意力光流特征进行分类，并根据视频分类结果与自注意力权重向量进行时序类别激活映射计算，以获取行为定位结果。本发明可以对复杂的视频动作和背景的视觉‑运动相关性灵活而明确的建模，利用对抗学习框架学习更加鲁棒的视频分类模型，降低计算复杂度及时序标注的时间。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.025 seconds)
