-
公开(公告)号：CN114445436B
公开(公告)日：2025-04-11
申请号：CN202111628161.1
申请日：2021-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06T7/13 , G06T5/20 , G06T5/70 , G06N3/0464
Abstract: 本发明公开了一种目标检测的方法、装置以及存储介质。所述方法包括：获取待检测图像；对待检测图像进行边缘检测处理，得到第一图像；通过预设的特征提取网络对待检测图像进行处理，得到待检测图像的第二图像，使用第一图像对第二图像进行处理，增强第二图像的边缘特征；预设的特征提取网络包含特征降噪模块，使用特征降噪模块对增强边缘特征的第二图像进行降噪处理；使用预设的特征提取网络对降噪处理后的第二图像进行处理，得到图像特征，将图像特征输入预设的目标检测网络，得到目标类别和目标框。本发明提供的一种目标检测的方法和装置，能够提升基于深度学习神经网络的特征提取网络的特征提取能力，以及目标检测网络的目标检测能力。
-
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：CN114863486A
公开(公告)日：2022-08-05
申请号：CN202210607692.0
申请日：2022-05-31
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种联合全局和局部信息的层次监督行人再识别方法和系统，包括将输入图像切成多个图像小块，将图像小块作为Transformers分支网络的输入；将部分Transformers分支网络的网络快的特征信息通过expand层后引入ResNet50分支网络中对应的残差卷积块，expand层将2D张量拓展为4D张量；将拓展后的4D张量特征信息和对应的残差卷积块进行通道级联；将Transformers分支通过expand层转换后的特征和对应的ResNet50特征经过双线性池化层，进行特征融合交互，并通过损失函数进行约束。本发明提出的方法和系统执行一个单向聚合操作来推动CNN学习全局特征信息的同时，为了能充分利用全局特征信息和局部信息，结合双线性池化来执行层次监督，在跨长时间段的行人重识别数据集上有很显著的性能提升。
-
公开(公告)号：CN114444566A
公开(公告)日：2022-05-06
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: G06K9/62 , G06N3/04 , G06T7/90 , G06V10/774 , G06V10/764
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：CN114220145B
公开(公告)日：2024-12-31
申请号：CN202111436624.4
申请日：2021-11-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06V10/44 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0985
Abstract: 本申请涉及伪造人脸检测的技术领域，尤其是涉及一种人脸检测模型生成方法，该方法针对每层残差卷积块分别建立引导约束损失函数，从而将后一个残差卷积块的分类结果作为前一个残差卷积块的标签，将引导约束损失函数与主干网络损失函数合并获得框架损失函数，利用深层的卷积块分类预测来作为浅层的卷积块的标签，逐渐引导浅层网络的训练以及参数更新。本申请还提出了一种伪造人脸检测方法，伪造人脸检测方法中使用的人脸检测模型预先基于人脸检测模型生成方法训练得到，使用该人脸检测模型去检测真假人脸的准确率较高。
-
Patent Agency Ranking
公开(公告)号：CN114445436A
公开(公告)日：2022-05-06
申请号：CN202111628161.1
申请日：2021-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开了一种目标检测的方法、装置以及存储介质。所述方法包括：获取待检测图像；对待检测图像进行边缘检测处理，得到第一图像；通过预设的特征提取网络对待检测图像进行处理，得到待检测图像的第二图像，使用第一图像对第二图像进行处理，增强第二图像的边缘特征；预设的特征提取网络包含特征降噪模块，使用特征降噪模块对增强边缘特征的第二图像进行降噪处理；使用预设的特征提取网络对降噪处理后的第二图像进行处理，得到图像特征，将图像特征输入预设的目标检测网络，得到目标类别和目标框。本发明提供的一种目标检测的方法和装置，能够提升基于深度学习神经网络的特征提取网络的特征提取能力，以及目标检测网络的目标检测能力。
-
公开(公告)号：CN114220145A
公开(公告)日：2022-03-22
申请号：CN202111436624.4
申请日：2021-11-29
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本申请涉及伪造人脸检测的技术领域，尤其是涉及一种人脸检测模型生成方法，该方法针对每层残差卷积块分别建立引导约束损失函数，从而将后一个残差卷积块的分类结果作为前一个残差卷积块的标签，将引导约束损失函数与主干网络损失函数合并获得框架损失函数，利用深层的卷积块分类预测来作为浅层的卷积块的标签，逐渐引导浅层网络的训练以及参数更新。本申请还提出了一种伪造人脸检测方法，伪造人脸检测方法中使用的人脸检测模型预先基于人脸检测模型生成方法训练得到，使用该人脸检测模型去检测真假人脸的准确率较高。
-
公开(公告)号：CN114863486B
公开(公告)日：2024-12-10
申请号：CN202210607692.0
申请日：2022-05-31
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/10 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明给出了一种联合全局和局部信息的层次监督行人再识别方法和系统，包括：将输入图像切成多个图像小块作为分支网络的输入；将部分分支网络的网络块特征信息通过卷积层后引入ResNet50分支网络中对应的残差卷积块，卷积层将2D张量拓展为4D张量；将4D张量特征信息和对应的残差卷积块进行通道级联；将网络分支通过卷积层转换后的特征和对应的ResNet50特征经过双线性池化层以及特征融合交互，并通过损失函数进行约束。本发明提出的方法和系统执行一个单向聚合操作来推动CNN学习全局特征信息的同时，结合双线性池化来执行层次监督，在跨长时间段的行人重识别数据集上有很显著的性能提升。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.022 seconds)
