-
公开(公告)号：CN118170920B
公开(公告)日：2024-07-19
申请号：CN202410586478.0
申请日：2024-05-13
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06F16/35 , G06F40/16 , G06F40/30 , G06N3/0442
Abstract: 本发明提供一种混合语种文本检测方法及系统，方法包括：获取混合语言文本，对混合语言文本进行分类并进行文本编码以获得编码后的文本，根据编码后的文本建立混合语言文本编码模块；根据自注意力转换格式对编码后的文本进行特征处理以将编码后的文本转换为对应的文本与文本关系值；多头自注意力网络通过文本与文本关系值，根据不同语言文本的多个语言单词，构建单尺度的多头自注意力处理模块，并对单尺度的多头自注意力处理模块进行横向扩展以构建得到多尺度的多头自注意力处理模块；多尺度的多头自注意力处理模块结合LSTM模块构建得到多种混合语言的虚假新闻检测模型以检测混合语种文本。本申请适用于多语言环境，使得语言场景多样化。
-
公开(公告)号：CN118170920A
公开(公告)日：2024-06-11
申请号：CN202410586478.0
申请日：2024-05-13
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06F16/35 , G06F40/16 , G06F40/30 , G06N3/0442
Abstract: 本发明提供一种混合语种文本检测方法及系统，方法包括：获取混合语言文本，对混合语言文本进行分类并进行文本编码以获得编码后的文本，根据编码后的文本建立混合语言文本编码模块；根据自注意力转换格式对编码后的文本进行特征处理以将编码后的文本转换为对应的文本与文本关系值；多头自注意力网络通过文本与文本关系值，根据不同语言文本的多个语言单词，构建单尺度的多头自注意力处理模块，并对单尺度的多头自注意力处理模块进行横向扩展以构建得到多尺度的多头自注意力处理模块；多尺度的多头自注意力处理模块结合LSTM模块构建得到多种混合语言的虚假新闻检测模型以检测混合语种文本。本申请适用于多语言环境，使得语言场景多样化。
-
公开(公告)号：CN117194805A
公开(公告)日：2023-12-08
申请号：CN202311477505.2
申请日：2023-11-08
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F16/9535 , G06F16/9536 , G06F18/25 , G06N3/042 , G06N3/048 , G06N3/084
Abstract: 本申请提供一种基于深度图神经网络的多特征空间融合推荐方法及系统，该方法包括如下步骤：获取用户特征空间矩阵和项目特征空间矩阵；根据用户特征空间矩阵和项目特征空间矩阵，对用户与项目进行评级预测，获得用户项目评级矩阵；根据用户项目评级矩阵，获得社交网络推荐最优解。本申请同时考虑用户特征空间和项目特征空间对于用户串联影响，实现提高社交网络推荐准确度。
-
Patent Agency Ranking
公开(公告)号：CN119444673A
公开(公告)日：2025-02-14
申请号：CN202411414591.7
申请日：2024-10-11
Applicant: 南昌大学
IPC: G06T7/00 , G06V10/30 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习的铜合金元件质量检测方法，S1：通过激光扫描进行铜合金元件初始点云数据的采集；S2：使用双边滤波算法对采集数据预处理，得到去噪后的铜合金元件点云数据；S3：基于深度学习对铜合金元件进行尺寸检测分类，得到尺寸检测结果；S4：尺寸合格的铜合金元件进入表面缺陷检测，在表面缺陷检测中，对YOLOv7网络模型进行改进，对其进行轻量化处理的同时增加注意力机制，基于改进后的YOLOv7网络模型进行表面缺陷检测得到检测结果。本发明使用深度学习来检测铜合金元件的表面质量检测和尺寸质量检测。在表面质量检测方面，在原始的YOLOv7上进行了针对性改进，使得网络可以更加适应小尺寸和尺度变化较大的缺陷，且更加容易部署。
-
公开(公告)号：CN118334473B
公开(公告)日：2024-08-23
申请号：CN202410757677.3
申请日：2024-06-13
Applicant: 南昌大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种基于语义解纠缠的深度伪造图像检测方法，包括如下步骤：S1、设计第一阶段训练的模型架构；S2、设计第二阶段训练的模型架构；S3、检验多尺度高频特征提取模块和多尺度高频特征融合模块的效果；S4、分析方法检测深度伪造图像的性能。第一阶段训练模型和第二阶段训练模型用于解纠缠图像共同伪造语义、图像特殊伪造语义和图像无关内容语义，以用于提高取证的鲁棒性和泛化能力。设计了自适应的高通滤波器、多尺度高频特征提取模块和多尺度高频特征融合模块，用于充分利用高频信息。提出了双阶段训练的方法，加强语义的解纠缠，提升提取的伪造语义的独立性，提高了语义在取证中的有效性。
-
公开(公告)号：CN119445342A
公开(公告)日：2025-02-14
申请号：CN202411488541.3
申请日：2024-10-24
Applicant: 南昌大学
Abstract: 本发明提供了一种基于误导学习的虚假人脸图片检测方法，S1：构建先验知识获取模块，对伪造特征提取器以及检测器构建基础的伪造伪影辨别能力；S2：搭建误导学习知识流以及偏执数据知识流；S3：引入单通道注意力融合网络，使模型自适应选择所需的多尺度伪造潜层特征以及多尺度真实图片潜层特征；S4：构建专门用于误导学习的高通滤波器，对伪造图像进行预处理操作；S5：引入误导学习损失，对伪造特征提取器进行训练约束；S6：针对伪造特征提取器外加自适应器微调。本发明使模型尽可能摆脱了图片中无关语义特征对模型的干扰所产生的特征依赖偏执，针对不同人种统计标签的伪造图片都具有优异的检测能力，在域内以及跨域测试下，都达到了最佳的性能。
-
公开(公告)号：CN119293229A
公开(公告)日：2025-01-10
申请号：CN202410711790.8
申请日：2024-06-04
Applicant: 南昌大学
IPC: G06F16/338 , G06F16/35 , G06F16/334 , G06F16/3329 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提出一种基于可视化特征分析的文本检测方法及系统，该方法包括：特征提取阶段，采用的特征提取器由一个BERT模型和一个MLP分类器组成，以提取MLP的倒数第二层，对应于最后一个隐藏层，得到数据集中的文本特征；模型训练阶段，包括对分类中心c和分类半径r的初始化、数据集训练以及增强统一模式；文本检测阶段，提取待检测文本的文本特征，并根据所述待检测文本的文本特征获取特征距离分类中心c的距离和分类半径r，并根据所述特征距离分类中心c的距离和所述分类半径r判断所述待检测文本是否属于生成文本。本申请能够有效地检测人工智能生成的文本，提高检测准确率和泛化能力。
-
公开(公告)号：CN118334473A
公开(公告)日：2024-07-12
申请号：CN202410757677.3
申请日：2024-06-13
Applicant: 南昌大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种基于语义解纠缠的深度伪造图像检测方法，包括如下步骤：S1、设计第一阶段训练的模型架构；S2、设计第二阶段训练的模型架构；S3、检验多尺度高频特征提取模块和多尺度高频特征融合模块的效果；S4、分析方法检测深度伪造图像的性能。第一阶段训练模型和第二阶段训练模型用于解纠缠图像共同伪造语义、图像特殊伪造语义和图像无关内容语义，以用于提高取证的鲁棒性和泛化能力。设计了自适应的高通滤波器、多尺度高频特征提取模块和多尺度高频特征融合模块，用于充分利用高频信息。提出了双阶段训练的方法，加强语义的解纠缠，提升提取的伪造语义的独立性，提高了语义在取证中的有效性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.037 seconds)
