-
公开(公告)号：CN114444565B
公开(公告)日：2024-09-24
申请号：CN202111533371.2
申请日：2021-12-15
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/84 , G06N3/044 , G06N3/0464 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种图像篡改检测方法、终端设备及存储介质，在图像篡改检测模型中，网络主干部分采用Faster‑RCNN网络，将RPN层的输出与输入图像共同输入新的ROI pooling层，ROI pooling层输出的图像经过重采样处理得到重采样频谱图，将重采样频谱图输入LSTM网络后得到重采样特征图，将重采样特征图经过上采样层和卷积层后的输出与Faster‑RCNN网络的输出共同输入双线性池化层进行融合。本发明解决了目前深度学习网络在伪造篡改领域特征提取不充足的问题。
-
公开(公告)号：CN115205605A
公开(公告)日：2022-10-18
申请号：CN202210966666.7
申请日：2022-08-12
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明提出了一种多任务边缘特征提取的深伪视频图像鉴定方法，该方法包括如下步骤：S1、构建并获取图像鉴定所需训练数据；S2、搭建网络框架对图像进行图像特征提取和边缘特征提取；S3、对提取的图像特征和边缘特征进行展平和拼接处理；S4、获得图像类别的预测结果。通过添加对边缘生成的任务，能够让网络获取到边缘特征，利用这些特征进行进一步的分类，本发明能够解决传统特征提取耗时慢、计算量大的问题，让神经网络具有可解释性的同时提高网络的预测性能。
-
公开(公告)号：CN112614116A
公开(公告)日：2021-04-06
申请号：CN202011582666.4
申请日：2020-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种用于数字图像的篡改检测方法和系统，包括利用第一质量系数q0压缩彩色图像获得第一图像；随机选取第一图像中的区域以第二质量系数q1进行二次压缩获得第二图像；利用第二质量系数q1压缩彩色图像，并随机选取压缩后的图像中的区域以第一质量系数q0进行二次压缩获得第三图像；分别计算以上图像经过平滑处理的差分图像，并分别将差分图像归一化获得对应的残影图；对残影图进行分块，提取分块的特征，并按特征进行分类训练，识别分块属于一次压缩或二次压缩，获得预测数字图像的一次压缩和二次压缩占比模型；响应于数字图像的一次压缩和二次压缩占比大于预设阈值，数字图像被篡改。该方法极大地提高了篡改检测的精确度和检测速度。
-
公开(公告)号：CN105262584A
公开(公告)日：2016-01-20
申请号：CN201510566308.7
申请日：2015-09-08
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: H04L9/08
Abstract: 本申请提供了一种分布式密码恢复方法和系统，所述方法包括：根据待恢复密码的密码规则信息，计算密码空间；根据各计算节点在单位时间内的密码处理能力，在所述密码空间范围内为每个计算节点分配相应大小的任务块，触发各计算节点根据所述任务块的信息执行相应的密码遍历；为已经完成密码遍历任务的计算节点再次分配相应大小的任务块，直至所述密码空间被遍历完成。本申请优选实施例根据各计算节点单位时间内的密码处理能力为其分配相应大小的任务块进行密码遍历，可保证分布式环境下不同计算节点负载均衡，另外，系统容错能力强，当一个或多个计算节点出现异常时，恢复错误的代价很小，整体性能可达到最优。
-
公开(公告)号：CN114419633B
公开(公告)日：2024-12-17
申请号：CN202111650672.3
申请日：2021-12-30
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V30/40 , G06V30/422 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 公开了一种用于证件文档类图像篡改的检测方法和系统，包括对原始图像进行第一次篡改和后处理，在第一次篡改和后处理的基础上进行第二次篡改和后处理获得篡改图像；利用结构相似性算法从亮度、对比度和结构分别比较原始图像和篡改图像的灰度图的差异性，获得伪造区域掩膜图；将篡改图像和伪造区域掩膜图输入基于ScSE U‑Net网络以及孪生网络进行训练获得检测模型；利用检测模型对待检测图像进行推理，获得预测的掩膜图像。本发明可以有效提升证书文档类的图像篡改检测和定位能力。
-
Patent Agency Ranking
公开(公告)号：CN114444566B
公开(公告)日：2024-07-23
申请号：CN202111542176.6
申请日：2021-12-16
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/764 , G06N3/0464 , G06T7/90 , G06V10/774 , G06V10/82
Abstract: 本发明涉及图像伪造检测方法及系统。其方法包括获取原始图像以及灰度图像后，通过双流的图像伪造检测模型对原始图像以及灰度图像进行特征提取以及特征融合，得到图像特征分类结果，根据所述图像特征分类结果进行平均投票，获取图像伪造检测概率值以及图像真伪结果。通过对于原始图像以及灰度图像分别进行特征提取以及特征信息的融合拆分，在图像伪造检测模型处理图像信息时来抑制颜色信息的表达，使得模型可以在图像颜色空间检测技术多维度的进行伪造检测，在模型中增加了灰度流网络结构可以增强网络的图像检测能力。
-
公开(公告)号：CN112381775B
公开(公告)日：2023-02-21
申请号：CN202011230556.1
申请日：2020-11-06
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种图像篡改检测方法、终端设备及存储介质，该方法中包括：S1：采集未篡改图像和对应的篡改图像，并将未篡改图像减去篡改图像得到篡改图像的差异图像，将未篡改图像和篡改图像共同组成训练集；S2：构建二分类网络模型，通过训练集对二分类网络模型进行训练，使得训练后的二分类网络模型能够区分图像是否被篡改；二分类网络模型包括特征提取层、图像注意力层和分类器；S3：通过训练后的二分类网络模型对图像是否被篡改进行识别。本发明将差异图像作为真实标签。以真实标签作为篡改监督信息，使用神经网络训练二值分类网络，引导网络获取准确的篡改检测概率值和伪造定位图，可以有效提升人脸篡改图像识别分类的性能。
-
公开(公告)号：CN115424036A
公开(公告)日：2022-12-02
申请号：CN202211153622.9
申请日：2022-09-21
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/44 , G06N3/04 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 公开了基于像素级注意力机制的深度伪造图像检测方法和系统，包括在图像检测的主干网络中的提取特征之后插入像素级注意力机制模块，利用一个1*1卷积对特征信息Fi进行通道压缩，压缩通道并将降维后的特征和原始图像相加得到特征Fii；将特征Fii再经过一个1*1卷积和Sigmoid激活函数得到增强后的特征信息；将增强后的特征信息作为下一特征提取阶段的输入，重复进行前述步骤进行特征信息增强，并利用标签平滑正则化的交叉嫡损失函数进行约束。本发明提出的像素级注意力机制模块较为灵活，可以随意插入不同卷积层之后，而且在推理过程中不会增加太多参数量和运算量。
-
公开(公告)号：CN114372169A
公开(公告)日：2022-04-19
申请号：CN202111485056.7
申请日：2021-12-07
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/583 , G06V20/40 , G06K9/62 , G06V10/74
Abstract: 本发明公开了一种同源视频检索方法、装置以及存储介质。所述方法包括：对所述视频库中的所有视频进行处理，确定出各视频的视频特征序列；对所述待检索视频进行处理，确定出待检索视频的视频特征序列；基于所述待检索视频的视频特征序列在视频库中查找，若在视频库中找到某一段视频与待检索视频的视频特征序列的相似度达到预定条件，则表明检索到所述待检索视频，否则未检索到所述待检索视频。本发明提供的一种同源视频检索方法和装置，能够实现对同源视频的高精度检索，对经过主流的视频编辑、特效渲染、复合转码等方法生成的同源视频能保持较高的检索精确度。
-
公开(公告)号：CN112381775A
公开(公告)日：2021-02-19
申请号：CN202011230556.1
申请日：2020-11-06
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种图像篡改检测方法、终端设备及存储介质，该方法中包括：S1：采集未篡改图像和对应的篡改图像，并将未篡改图像减去篡改图像得到篡改图像的差异图像，将未篡改图像和篡改图像共同组成训练集；S2：构建二分类网络模型，通过训练集对二分类网络模型进行训练，使得训练后的二分类网络模型能够区分图像是否被篡改；二分类网络模型包括特征提取层、图像注意力层和分类器；S3：通过训练后的二分类网络模型对图像是否被篡改进行识别。本发明将差异图像作为真实标签。以真实标签作为篡改监督信息，使用神经网络训练二值分类网络，引导网络获取准确的篡改检测概率值和伪造定位图，可以有效提升人脸篡改图像识别分类的性能。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.035 seconds)
