-
公开(公告)号：CN112215908A
公开(公告)日：2021-01-12
申请号：CN202011086137.5
申请日：2020-10-12
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种面向压缩域的视频内容比对系统、优化方法、比对方法，旨在为了解决使用全解码信息完成视频内容比对效率不高的问题。本发明比对系统包括：特征学习模块，基于输入视频的多种压缩域信息，分别获取多种模态的特征图；多模态压缩域信息融合模块，对所述特征学习模块输出的多种模态的特征图进行信息融合，得到所述输入视频的融合特征向量；第二模块，配置为获取两个输入视频的融合特征向量的L1距离；分类器为二分类网络，配置为基于所述第二模块输出的L1距离进行比对结果的二分类。本发明可以有效地提取视频内容的高层语义信息，保证了视频内容的比对高速度和高性能。
-
公开(公告)号：CN108921087A
公开(公告)日：2018-11-30
申请号：CN201810699566.6
申请日：2018-06-29
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种视频理解方法，旨在解决如何有效提取视频的密集帧特征和长期时空特征的技术问题。为此目的，本发明提供的视频理解方法首先利用残差网络获取目标视频的视频帧组，然后利用时序关系网络并根据多个视频帧组生成视频的时序关系特征，最后根据时序关系特征预测目标视频的视频行为类别。其中，视频帧组包括两个有序视频帧，每个有序视频帧均包括多个按照时间顺序依次排列的视频帧。基于上述步骤，能够有效获取到目标视频的密集帧特征和长期时空特征，进而可以快速且准确地预测出目标视频的视频行为类别。
-
公开(公告)号：CN115019087B
公开(公告)日：2024-11-19
申请号：CN202210557333.9
申请日：2022-05-20
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/77
Abstract: 本发明提供一种小样本视频分类和分类模型训练方法及其装置，涉及计算机视觉技术领域，所述分类方法包括：将小样本分类任务输入预先构建的收敛的压缩域长短时Cross‑Transformer模型，获取压缩域信息；基于压缩域信息，获取短时融合的帧特征；基于短时融合的帧特征，获取查询特征，并输出基于查询特征获取的小样本分类任务中查询视频对各个查询类别原型所属支撑类别的分类分数，其中，分类分数最大的支撑类别用于表示查询视频的分类结果。本发明可实现少量示例视频下的快速、高精度、高效率的小样本视频分类。
-
公开(公告)号：CN115527140A
公开(公告)日：2022-12-27
申请号：CN202210786900.8
申请日：2022-07-04
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明提供一种敏感内容检测方法、装置、电子设备和存储介质，涉及内容安全技术领域，所述方法包括：获取待检测视频；将待检测视频输入至视觉元素分析模型，得到视觉元素分析模型输出的视觉元素结果和视觉特征；将待检测视频输入至听觉元素分析模型，得到听觉元素分析模型输出的听觉元素结果和听觉特征；将视觉特征和听觉特征输入至事件检测模型，输出用于表征是否包含敏感内容的事件检测结果；将视觉元素结果和听觉元素结果与敏感内容规则库匹配，输出敏感事件类型，并结合事件检测结果和敏感事件类型，确定敏感内容检测结果。本发明可实现对视频敏感内容的全面检测，提升检测灵活度和准确度。
-
公开(公告)号：CN111612143B
公开(公告)日：2023-12-19
申请号：CN202010440475.8
申请日：2020-05-22
Applicant: 中国科学院自动化研究所
IPC: G06N3/082 , G06N3/084 , G06N3/0495 , G06N3/0464
Abstract: 本发明涉及一种深度卷积神经网络的压缩方法及系统，所述压缩方法包括：根据滤波器重要性选择方式和/或模型压缩率，确定待压缩深度卷积神经网络中不重要的滤波器；对不重要的滤波器施加渐进式稀疏约束，作为正则项加入到网络训练的损失函数中，得到优化损失函数；根据正则项，采用阈值迭代算法及反向传播算法联合求解，得到待压缩深度卷积神经网络的更新参数；基于所述优化损失函数及更新参数，获得具有滤波器稀疏形式的卷积神经网络模型；利用结构化剪枝算法，对所述具有滤波器稀疏形式的卷积神经网络模型进行剪枝，得到网络精度较高的压缩后的卷积神经网络模型。
-
Patent Agency Ranking
公开(公告)号：CN112215908B
公开(公告)日：2022-12-02
申请号：CN202011086137.5
申请日：2020-10-12
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及一种面向压缩域的视频内容比对系统、优化方法、比对方法，旨在为了解决使用全解码信息完成视频内容比对效率不高的问题。本发明比对系统包括：特征学习模块，基于输入视频的多种压缩域信息，分别获取多种模态的特征图；多模态压缩域信息融合模块，对所述特征学习模块输出的多种模态的特征图进行信息融合，得到所述输入视频的融合特征向量；第二模块，配置为获取两个输入视频的融合特征向量的L1距离；分类器为二分类网络，配置为基于所述第二模块输出的L1距离进行比对结果的二分类。本发明可以有效地提取视频内容的高层语义信息，保证了视频内容的比对高速度和高性能。
-
公开(公告)号：CN109815789A
公开(公告)日：2019-05-28
申请号：CN201811514183.3
申请日：2018-12-11
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明涉及人脸检测技术领域，具体涉及一种在CPU上实时多尺度人脸检测方法与系统及相关设备，目的在于降低人脸检测的硬件成本，提高人脸检测的速度与准确度。本发明的人脸检测系统包括：特征提取模块、多尺度检测模块和非极大值抑制模块。其中，特征提取模块配置为：从待检测图像中提取关键特征，得到多尺度的待检测特征图；多尺度检测模块配置为：根据多尺度的待检测特征图预测人脸得分和相应的位置；非极大值抑制模块配置为：根据人脸得分进行非极大值抑制，从而得到检测结果。本发明降低了人脸检测的硬件成本，提高了多尺度人脸检测的速度与准确度，能在CPU上实现准确率较高的多尺度人脸检测功能，继而可以应用在手机等平台上。
-
公开(公告)号：CN109190750A
公开(公告)日：2019-01-11
申请号：CN201810737975.0
申请日：2018-07-06
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
Abstract: 本发明涉及深度学习技术领域，具体提供了一种基于对抗生成网络的小样本生成方法及装置，旨在解决如何在少量样本数据的情况下利用生成对抗网络生成样本数据的技术问题。为此目的，本发明提供的基于对抗生成网络的小样本生成方法能够基于对抗生成网络并根据随机噪声和标签信息，生成小样本类型对应的样本。在此过程中，本发明采用迁移学习和批量训练的方法对对抗生成网络进行网络训练，使生成对抗网络可以有效迁移应用于少量样本的对抗生成网络样本生成任务中。
-
公开(公告)号：CN115690645A
公开(公告)日：2023-02-03
申请号：CN202211120031.1
申请日：2022-09-14
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06V20/40 , G06V10/764 , G06V10/82 , G06V10/77 , G06V10/46 , G06V10/44 , G06V10/42 , G06V10/50 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/0895 , G10L25/51 , G10L25/30 , G10L25/03
Abstract: 本发明提供一种视频检测方法、装置、设备、存储介质及程序产品，该方法包括：获取待处理视频；对待处理视频的图像进行视觉特征提取，得到视觉特征信息；对待处理视频的语音进行音频特征提取，得到音频特征信息；基于视觉特征信息和音频特征信息，确定待处理视频是否为安全视频。本发明提供的视频检测方法、装置、设备、存储介质及程序产品用于提高对待处理视频进行安全检测的准确性。
-
公开(公告)号：CN115019087A
公开(公告)日：2022-09-06
申请号：CN202210557333.9
申请日：2022-05-20
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/77
Abstract: 本发明提供一种小样本视频分类和分类模型训练方法及其装置，涉及计算机视觉技术领域，所述分类方法包括：将小样本分类任务输入预先构建的收敛的压缩域长短时Cross‑Transformer模型，获取压缩域信息；基于压缩域信息，获取短时融合的帧特征；基于短时融合的帧特征，获取查询特征，并输出基于查询特征获取的小样本分类任务中查询视频对各个查询类别原型所属支撑类别的分类分数，其中，分类分数最大的支撑类别用于表示查询视频的分类结果。本发明可实现少量示例视频下的快速、高精度、高效率的小样本视频分类。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
