一种图像频域数字水印方法、系统、装置及介质

    公开(公告)号:CN114529441B

    公开(公告)日:2024-12-03

    申请号:CN202210061192.1

    申请日:2022-01-19

    Abstract: 本发明公开了一种图像频域数字水印方法、系统、装置及介质,其中方法包括:设计图像频域数字水印的嵌入与提取模型;将载体图片和水印输入水印嵌入提取自编码器后,得到带水印的第一图片,将第一图片随机加入噪声攻击后,再输入到水印嵌入提取自编码器的解码器中,得到粗提取水印;将第一图片随机选择裁剪攻击或不进行攻击,得到第二图片和标准置信度图,将第二图片输入到注意力得分器,输出注意力置信度图;将粗提取水印和注意力置信度图,在二维平面上逐像素相乘进行修正,得到最终的水印。本发明通过注意力得分器对待提取水印的图片进行分析,减少无水印部分对真正带水印部分的影响,得到更好的提取准确率,可广泛应用于信息安全技术领域。

    一种移动端表情趣图生成的系统

    公开(公告)号:CN109308725B

    公开(公告)日:2020-09-22

    申请号:CN201810998168.4

    申请日:2018-08-29

    Abstract: 本发明属于人工智能与互联网技术领域,为移动端表情趣图生成的系统,包括移动端和服务器端;移动端包括数据采集获取单元、控制单元、显示单元和数据请求单元,保存单元、分享单元分别与显示单元连接,数据采集获取单元、显示单元、数据请求单元分别与控制单元连接;服务器端采用基于生成对抗网络的方法构造深度卷积神经网络模型;控制单元通过数据请求单元对深度神经网络模型进行先验的条件控制,使其将数据请求单元输入的原图进行相应控制单元所需要图片的生成,生成完成之后通过数据请求单元返回显示单元。本发明能学习出面部表情特征以生成不同情绪、不同发色、不同年龄的人脸表情,转换性能好、速率快,满足人们猎奇和趣味恶搞的心理需求。

    一种图像频域数字水印方法、系统、装置及介质

    公开(公告)号:CN114529441A

    公开(公告)日:2022-05-24

    申请号:CN202210061192.1

    申请日:2022-01-19

    Abstract: 本发明公开了一种图像频域数字水印方法、系统、装置及介质,其中方法包括:设计图像频域数字水印的嵌入与提取模型;将载体图片和水印输入水印嵌入提取自编码器后,得到带水印的第一图片,将第一图片随机加入噪声攻击后,再输入到水印嵌入提取自编码器的解码器中,得到粗提取水印;将第一图片随机选择裁剪攻击或不进行攻击,得到第二图片和标准置信度图,将第二图片输入到注意力得分器,输出注意力置信度图;将粗提取水印和注意力置信度图,在二维平面上逐像素相乘进行修正,得到最终的水印。本发明通过注意力得分器对待提取水印的图片进行分析,减少无水印部分对真正带水印部分的影响,得到更好的提取准确率,可广泛应用于信息安全技术领域。

    一种移动端表情趣图生成的系统

    公开(公告)号:CN109308725A

    公开(公告)日:2019-02-05

    申请号:CN201810998168.4

    申请日:2018-08-29

    Abstract: 本发明属于人工智能与互联网技术领域,为移动端表情趣图生成的系统,包括移动端和服务器端;移动端包括数据采集获取单元、控制单元、显示单元和数据请求单元,保存单元、分享单元分别与显示单元连接,数据采集获取单元、显示单元、数据请求单元分别与控制单元连接;服务器端采用基于生成对抗网络的方法构造深度卷积神经网络模型;控制单元通过数据请求单元对深度神经网络模型进行先验的条件控制,使其将数据请求单元输入的原图进行相应控制单元所需要图片的生成,生成完成之后通过数据请求单元返回显示单元。本发明能学习出面部表情特征以生成不同情绪、不同发色、不同年龄的人脸表情,转换性能好、速率快,满足人们猎奇和趣味恶搞的心理需求。

    基于深度学习的视频场景文本检测方法、系统、设备及介质

    公开(公告)号:CN109919025A

    公开(公告)日:2019-06-21

    申请号:CN201910089785.7

    申请日:2019-01-30

    Abstract: 本发明公开了一种基于深度学习的视频场景文本检测方法、系统、设备及介质,所述方法包括:获取静态自然场景文本图像数据;对静态自然场景文本图像数据进行预处理,得到预处理场景文本图像数据;构建基于回归的端到端深度卷积神经网络模型;使用预处理场景文本图像数据对深度卷积神经网络模型进行优化训练;利用训练后的深度卷积神经网络模型进行视频场景文本检测。本发明采用计算机视觉中基于深度学习的检测方法,通过设计高效的基于回归的端到端深度卷积神经网络模型,可以快速并且实时准确地获取视频中的场景文本,能够为后续文字识别等任务提供基础,对视频语义理解、字幕翻译、治安监控安防、无人机飞行、自动驾驶等场景有着重要的应用。

Patent Agency Ranking