-
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。
-
公开(公告)号：CN115272678A
公开(公告)日：2022-11-01
申请号：CN202210931871.X
申请日：2022-08-04
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明给出了一种异图拼接检测方法和系统，包括构造数据集，数据集包括前景数据集和背景数据集，基于前景数据集和背景数据集随机组合异图拼接数据集；对异图拼接数据集进行高斯模糊与质量随机变换处理，随机形成训练集、验证集和测试集；构造深度语义分割模型，深度语义分割模型结合自注意力机制与局部递归UNET，利用训练集训练深度语义分割模型，其中，代价函数为Tversky Loss和Focal Loss之和，完成训练后通过简单平均法融合最终模型结果；利用最终模型结果进行异图拼接检测。该异图拼接检测方法具有提升识别率明显、精度高，结果直观的优点。
-
公开(公告)号：CN114445877A
公开(公告)日：2022-05-06
申请号：CN202111609184.8
申请日：2021-12-27
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06K9/62 , G06V10/774
Abstract: 本发明涉及一种智能换脸方法，获取第一图像和第二图像，将所述第一图像以及第二图像输入至预先训练好的智能换脸模型中进行换脸，通过对所述第一图像以及所述第二图像进行特征提取，并通过归一层将提取得到的特征通过所述归一层进行特征整合，得到换脸图像，通过双阶段网络结构对于图像特征的降维鲁棒处理，实现了利用小样本数据集对于智能换脸模型的快速训练，而且在智能换脸模型完成训练后，在对于其他图像进行智能换脸时，无需采用大量图像数据对智能换脸模型进行训练即可完成对其他类型图像的特征提取以及融合，极大地增强了模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN114444565A
公开(公告)日：2022-05-06
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: G06K9/62 , G06N3/04 , G06V10/774 , G06V10/84
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：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：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：CN112614116B
公开(公告)日：2022-06-28
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
IPC: G06T7/00 , G06T7/90 , G06T5/00 , G06T3/40 , G06V10/774 , G06V10/764 , G06K9/62
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：CN114419633A
公开(公告)日：2022-04-29
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
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
