-
公开(公告)号：CN119854218A
公开(公告)日：2025-04-18
申请号：CN202510316802.1
申请日：2025-03-18
Applicant: 杭州电子科技大学
IPC: H04L47/125 , H04L47/76 , H04L69/22 , G06V10/774
Abstract: 本发明公开了一种面向现实大流量场景的泛化伪造媒体检测方法，包括如下步骤：步骤1、通过加权轮询算法将网络请求的数据分配到多个服务器；步骤2、将每台服务器的访问流量缓存在访问队列中，每次取出队头的数据进行标准化处理得到检测包，所述标准化处理包括分帧、剪裁与分割、封装；步骤3、将检测包缓存在检测队列中，每次取出队头的检测包进行伪造检测，该方法引入了多模型联合决策的算法，通过集成多个不同的检测模型，提升了对多种伪造技术的应对能力，增强算法的泛化性能和鲁棒性。并通过模块化流程与流式伪造检测提升系统的检测效率，即使基于多模型也能够实现高效反馈。
-
公开(公告)号：CN119091117A
公开(公告)日：2024-12-06
申请号：CN202411098255.6
申请日：2024-08-12
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/20 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的轻量级伪装目标检测方法，该方法首先获取伪装物体图像数据集，进行预处理，并划分为训练集和测试集。其次将测试集数据输入初级特征提取网络，进行初级特征提取。然后依次通过频谱门控单元、混合注意力机制、全局信息模块、边缘感知模块、边缘引导模块，对初级特征进行强化处理。最后基于深度可分离卷积，对强化处理后的初级特征进行解码，输出检测结果。本发明充分利用图像的RGB特征与频率特征，并结合边界引导实现对伪装目标的检测。
-
公开(公告)号：CN114170240B
公开(公告)日：2024-02-27
申请号：CN202111340652.6
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于加权DCT系数残差的JPEG图像负载定位方法。本申请在频域中进行图像负载，假设量化的DCT系数与其在同一子图像中的相邻系数之间的相关性不均匀，具体表现为：高纹理区域的相关性较低，而低纹理区域相关性较高。基于这一特性，本申请自适应地为不同的DCT量化系数分配不同的权重，以提高负载的准确性。通过本申请的自适应计算方法计算权重因子，可以更准确地估计DCT残差，对于基于区域的局部纹理情况下定位精度显著提高。与现有技术相比，能够明显改善负载定位效果，提高隐写分析性能，定位精度较当前主流隐写定位方法得到了很大的提高，对于防止信息隐藏技术的滥用，促进信息隐藏与隐写分析技术的发展具有重大作用。
-
-
公开(公告)号：CN119887552A
公开(公告)日：2025-04-25
申请号：CN202411861887.3
申请日：2024-12-17
Applicant: 杭州电子科技大学
IPC: G06T5/60 , G06T5/70 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N5/04 , G06V20/05 , G06V10/56
Abstract: 本发明公开了一种基于跳步采样扩散模型的轻量化水下图像增强方法，该方法通过设计注意力驱动的Transformer(AP‑Trans)模块的并行结构，实现时间步编码和颜色信息的独立并行处理，同时引入空间注意力机制增强细节恢复能力，并采用全局通道交互模块保持颜色保真度，实现水下图像的高质量增强，进一步通过将传统扩散模型中的大参数自注意力模块替换为轻量级通道注意力机制，显著降低了模型参数量，以及采用动态跳步采样策略，将传统跳步扩散模型的20‑50步采样过程缩减至5步，本发明方法在保持扩散模型优秀生成能力的同时还显著提升了增强效果，有效的解决时间步编码和颜色信息的交互干扰问题，并平衡了水下图像颜色和细节的恢复。
-
Patent Agency Ranking
公开(公告)号：CN118552756B
公开(公告)日：2025-04-18
申请号：CN202410332649.7
申请日：2024-03-22
Applicant: 杭州电子科技大学
IPC: G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/42 , G06N3/04 , G06N3/088
Abstract: 本发明公开了一种基于视觉语言模型的生成式图像无监督检测方法，包括如下步骤：获取图像数据集；通过噪声指纹提取、频域特征提取和聚类算法，为未标记数据有效分配噪声标签，并利用预训练的视觉语言模型和对比学习策略，建立了一个高效的特征提取器；使用训练好的特征提取器提取待测试样本的高维度判别特征，并通过聚类算法将得到的判别特征归为两个聚类簇，通过计算余弦相似度判别真实图像和生成图像。该方法通过无监督学习，自始至终都不需要使用标记数据，克服了有监督学习依赖正确标记的大规模数据的问题。并通过预训练的视觉语言模型提升检测器的泛化性和鲁棒性。在检测不同生成模型生成的图像时展现了一定的泛化能力。
-
公开(公告)号：CN118552756A
公开(公告)日：2024-08-27
申请号：CN202410332649.7
申请日：2024-03-22
Applicant: 杭州电子科技大学
IPC: G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06V10/42 , G06N3/04 , G06N3/088
Abstract: 本发明公开了一种基于视觉语言模型的生成式图像无监督检测方法，包括如下步骤：获取图像数据集；通过噪声指纹提取、频域特征提取和聚类算法，为未标记数据有效分配噪声标签，并利用预训练的视觉语言模型和对比学习策略，建立了一个高效的特征提取器；使用训练好的特征提取器提取待测试样本的高维度判别特征，并通过聚类算法将得到的判别特征归为两个聚类簇，通过计算余弦相似度判别真实图像和生成图像。该方法通过无监督学习，自始至终都不需要使用标记数据，克服了有监督学习依赖正确标记的大规模数据的问题。并通过预训练的视觉语言模型提升检测器的泛化性和鲁棒性。在检测不同生成模型生成的图像时展现了一定的泛化能力。
-
公开(公告)号：CN116824430A
公开(公告)日：2023-09-29
申请号：CN202310362080.4
申请日：2023-03-30
Applicant: 杭州电子科技大学
IPC: G06V20/40 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/0895 , G06N3/094
Abstract: 本发明涉及一种基于半监督学习的深伪视频取证方法，基于本监督学习的方式，仅依靠真实视频作为输入，实现了深度伪造视频的检测。发明中提出的负样本生成器有效地模拟了深度伪造视频合成最后一步所留下的篡改痕迹。数据增广模块强调真伪图像之间的差异化信息，从数据层面加快了检测模型的学习进程。轻量化设计的半监督分类器结合RGB图像、低级的空间噪声图、帧间相关的时域噪声图，从多尺度寻找取证线索。三者相辅相成，共同组成了一个高效、鲁棒的半监督Deepfake视频检测框架。
-
公开(公告)号：CN116434084A
公开(公告)日：2023-07-14
申请号：CN202310154609.3
申请日：2023-02-17
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/774 , G06V10/82 , G06N3/094
Abstract: 本发明涉及一种基于对抗样本训练的无人机目标识别网络的鲁棒训练方法，针对无人机识别网络可能工作的环境以及可能遇到的攻击，制定相应的数据增强方式和相应的对抗样本生成方式。本发明提出的基于数据增强和对抗样本训练的无人机识别网络鲁棒训练方法主要分为数据增强和对抗样本训练两部分，前者增强数据的多样性和复杂性，后者提升识别网络的抗攻击性，两者结合进一步保证了无人机识别网络的鲁棒性。
-
公开(公告)号：CN115375783A
公开(公告)日：2022-11-22
申请号：CN202211010254.2
申请日：2022-08-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向社交平台的图像分级隐私保护方法，包括如下步骤：S1‑1、对于用户上传的原始JPEG图像，选择要保护的区域，并将所选区域的总数和位置信息记录为二进制比特流；S1‑2、通过调整JPEG图像的DCT系数来调整JPEG图像的亮度信息和色度分量，并将其数值转化为对应的二进制码；S1‑3、二进制码通过所处区域对应的密钥加密后，嵌入到对应DCT块的交流系数中；S1‑4、各个区域进行拼接，位置信息嵌入到整幅图像中；S2‑1、提取位置信息，实现后续的分级的恢复；S2‑2、恢复置乱的DCT块；S2‑3、恢复原始DCT系数，实现图像的恢复。该方法通过可逆信息隐藏技术与相关的密码学手段相结合，对于上传至社交平台的图像进行个人隐私保护的需求。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.022 seconds)
