-
公开(公告)号:CN108921192B
公开(公告)日:2020-01-21
申请号:CN201810517949.7
申请日:2018-05-25
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于测地线距离的异常点检测方法,其包括:输入数据集X;针对数据集X构建邻接图G,利用Dijkstra算法创建测地距离矩阵;针对各样本点计算测地距离ηi以及各点的度deg(xi);计算平均测地距离设定阈值τ,计算样本点的实际度Rdeg(xi);判断特殊点和异常点。本发明提高了异常点检测的性能,更好的反应了数据集的结构特征,且可同时检测到异常点和边缘点。此外,本发明的方法受数据分布和数据维度影响较弱,在实际应用中适用范围更广,解决了现有技术对异常点的检测精度不高和对高维数据检测性能不佳的缺陷。
-
公开(公告)号:CN109409508A
公开(公告)日:2019-03-01
申请号:CN201811310962.1
申请日:2018-11-06
Applicant: 成都信息工程大学
Abstract: 本发明属于图像重建技术领域,公开了一种基于生成对抗网络使用感知损失解决模型崩塌的方法,利用随机向量z生成与实际数据分布相似的图像,在训练的过程中采用感知损失将z和真实数据映射到特征空间中来提取更高层次的特征,并结合对抗损失来鼓励生成网络产生与实际图像相似的图像样本;最后,使得鉴别器不能判断这是一个虚假图像。本发明针对已有网络采用较小的数据集解决了模型崩塌问题,VGG-GAN在两个小场景数据集上进行评价;实验结果表明,用VGG-GAN方法生成的图像质量优于现有方法。
-
公开(公告)号:CN108962267A
公开(公告)日:2018-12-07
申请号:CN201810742980.0
申请日:2018-07-09
Applicant: 成都信息工程大学
IPC: G10L19/018
Abstract: 本发明涉及一种基于哈希特征的加密语音内容认证方法,其包括:输入原始语音后,通过Logistic映射和流密码RC4对原始语音进行加密以生成加密语音,对加密语音进行分帧并对每帧加密语音执行整数小波变换和离散余弦变换,通过比较低频DCT系数的均值和方差来计算哈希特征,利用差分扩展将哈希特征作为水印嵌入到IWT的细节系数的高位比特中;然后对IWT近似系数和含哈希特征的细节系数执行逆IWT变换来获得含水印的加密语音,从含水印的加密语音中提取哈希特征与重构的哈希特征进行对比来对加密语音进行内容认证。本发明提高了云计算中的语音内容认证的鲁棒性,可以准确定位篡改语音帧,在实际应用中适用范围更广。
-
公开(公告)号:CN117765378A
公开(公告)日:2024-03-26
申请号:CN202410197246.6
申请日:2024-02-22
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种多尺度特征融合的复杂环境下违禁物品检测方法和装置,通过加强局部特征提取和缓解特征融合的语义冲突来提高对重叠目标和小目标的检测能力,设计多尺度注意力模块主干增强网络对重叠物体的局部特征提取能力,引入挤压激励注意力机制减少目标区域的冗余信息;针对小目标的信息丢失问题,设计自适应融合特征金字塔网络,引入包含细节信息的浅层特征和包含语义信息的深层特征防止小目标信息丢失;采用自适应权重融合策略和通道注意力机制,避免直接融合造成的目标信息丢失。实验结果表明,与现有方法相比,本发明即使在物品遮挡严重、背景复杂的情况下也能准确检测出目标,同时具有更优秀的小目标检测能力。
-
公开(公告)号:CN113936318A
公开(公告)日:2022-01-14
申请号:CN202111218941.9
申请日:2021-10-20
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于GAN人脸先验信息预测和融合的人脸图像修复方法,本发明方法的神经网络以VAE结构为主干网络,包括两个阶段,首先经过stage‑I阶段的粗修神经网络生成具有人脸结构内容信息的粗糙图像,同时通过融合人脸轮廓,区域和关键点中间特征得到人脸生成指导信息,然后为了更好的考虑人脸结构信息,通过stage‑II阶段的精修神经网络对stage‑I的结果进行精修,在第二生成器中间引入指导信息以实现人脸细节、结构精细化,最终生成自然和谐,结构对称的人脸图像,本发明采用全局和局部两种判别器来做监督,以保证生成更高质量的人脸图像。
-
公开(公告)号:CN110633734A
公开(公告)日:2019-12-31
申请号:CN201910776915.4
申请日:2019-08-22
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于图论相关理论进行异常检测的方法,包括该方法具体包括以下步骤:第一步,将原始数据集进行聚类操作,将数据集分割成不同的簇;第二步,计算出原始数据集的均值密度,将原数据集均值密度作为阈值与簇密度比较对数据集进行精简;第三步,对数据集进行特征提取和空间距离计算并对结果进行数据化操作第四步,将有效检测的数据簇的所有数据点按计算出来的权重值分配构建无向连通图;第五步,采用弗洛伊德算法查找相应簇的最短路径。在对于数据集的预处理上,本发明采取了二次精简数据集的办法,以不同的基准信息来对数据集进行降维操作,可以有效地减少大量无用数据集,极大程度的减少了异常检测过程的时间复杂度和空间复杂度。
-
公开(公告)号:CN110046665A
公开(公告)日:2019-07-23
申请号:CN201910309830.5
申请日:2019-04-17
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明属于通信控制及通信处理技术领域,公开了一种基于孤立森林二分类异常点检测方法、信息数据处理终端;将原始数据集进行初始的静态平均分块,计算块内密度和均值密度;计算出静态分块的各块内密度后,以原数据集的均值密度作为阈值将数据集进行精简;利用节点的递归方法构建孤立森林;对原始数据集进行相应特征的提取并数据化,计算聚类中心点与其他点的空间位置距离;将由基于密度和距离算出的异常分数及由基于特证信息计算出来的异常分数相加与相对应的阈值进行比较。本发明有效提高异常点检测算法的准确率,能大幅度减少异常检测过程中的实际数据量,节省计算资源,并且提高了异常检测效率;增强了异常检测算法的鲁棒性。
-
公开(公告)号:CN109102019A
公开(公告)日:2018-12-28
申请号:CN201810907142.4
申请日:2018-08-09
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像处理技术领域,具体的说是基于HP-Net卷积神经网络的图像分类方法。本发明包括以下步骤:步骤1:读取输入图像I;步骤2:将输入图像I分为大小为m×m的图像块集合,每一块用Ii表示,i=1,2,...,n,n表示图像块的数量;步骤3:将Ii输入到卷积神经网络中进行训练;步骤4:经过若干次提取特征,再通过三层全连接层,得到一维的矩阵,然后使用丢弃正则化操作避免过拟合;步骤5:将卷积神经网络中的输出结果输入到softmax分类器里,最终得到分类结果。本发明所提出的网络模型表现出更好的性能,在RO-5和花卉数据集上比其他现有的网络模型要高。
-
公开(公告)号:CN107341515A
公开(公告)日:2017-11-10
申请号:CN201710548770.3
申请日:2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
CPC classification number: G06K9/6227 , G06K9/6218 , G06K9/6267
Abstract: 本发明涉及一种基于数据表达的特殊点检测方法,基于仿射组合中负值元素存在的位置,结合数据集中仿射组合理论,利用可逆不可达测度值NCi去判定样本点属于特殊点的程度,通过自动设定门限值γ来自动确定特殊点,提高了特殊点检测的精度和速度,更好的反应了数据集的结构特征,并同时检测到异常点和边缘点,另外本发明受数据分布和数据维度影响较弱,在实际应用中适用范围更广,解决了现有技术对特殊点的检测精度和对高维数据检测性能不佳的不足。
-
公开(公告)号:CN119785193A
公开(公告)日:2025-04-08
申请号:CN202510282109.7
申请日:2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法,通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征,使得模型能够更全面地识别伪造图像中的细微差别。此外,真实性感知边界损失函数通过动态调整边界,成功应对了类别不平衡问题,尤其在真实图像样本稀缺的情况下,显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
-
-
-
-
-
-
-
-