-
公开(公告)号：CN115472179A
公开(公告)日：2022-12-13
申请号：CN202210932618.6
申请日：2022-08-04
Applicant: 湖北工业大学
Abstract: 本发明属于数字音频信号篡改检测技术领域，公开了一种面向数字音频删除和插入篡改操作自动检测方法及系统，利用训练好的电网频率的通用背景模型，提取每个数字音频信号的电网频率频谱特征超矢量；将所提取的电网频率频谱特征超矢量输入由注意力机制和残差网络构成的深度表示学习网络进行浅层特征的学习；将训练好的浅层特征输入到分类网络中，判断是否经过删除或插入的篡改。本发明采用提取电网频率频谱特征超矢量，并建立深度神经网络训练所提取的特征；本发明不仅实现了篡改检测的自动化，还将深度神经网络很好的应用于篡改检测，并且取得很好的效果。本发明具有更高的准确率和较好的鲁棒性。
-
公开(公告)号：CN114723733A
公开(公告)日：2022-07-08
申请号：CN202210450336.2
申请日：2022-04-26
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于公理解释的类激活映射方法及装置。首先将电气设备图像输入至已训练好的CNN模型，并提取模型中目标卷积层的特征图，同时获取目标类别分数，利用反向传播计算特征图相对于分数的梯度并对其优化处理，将优化后的梯度进行全局平均池化操作得到权重，最后将权重与特征图线性结合，并进行上采样和归一化操作得到初始类激活图；将得到的初始类激活图与输入图像点乘，对点乘后的图像进行平滑操作后再送入模型，经过softmax操作后生成N个分数，最终平均到一个分数；最后将得到的分数与初始类激活图相乘，ReLU操作后得到最后的类激活图。利用本发明生成的类激活图在清晰度、对象定位等方面有更好的视觉解释。
-
公开(公告)号：CN114723733B
公开(公告)日：2024-08-02
申请号：CN202210450336.2
申请日：2022-04-26
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于公理解释的类激活映射方法及装置。首先将电气设备图像输入至已训练好的CNN模型，并提取模型中目标卷积层的特征图，同时获取目标类别分数，利用反向传播计算特征图相对于分数的梯度并对其优化处理，将优化后的梯度进行全局平均池化操作得到权重，最后将权重与特征图线性结合，并进行上采样和归一化操作得到初始类激活图；将得到的初始类激活图与输入图像点乘，对点乘后的图像进行平滑操作后再送入模型，经过softmax操作后生成N个分数，最终平均到一个分数；最后将得到的分数与初始类激活图相乘，ReLU操作后得到最后的类激活图。利用本发明生成的类激活图在清晰度、对象定位等方面有更好的视觉解释。
-
公开(公告)号：CN115270906A
公开(公告)日：2022-11-01
申请号：CN202210449187.8
申请日：2022-04-26
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于电网频率深浅层特征融合的数字音频篡改被动检测方法及装置，首先对待检测音频数据进行处理得到电网频率(ENF)成分的ENF相位和提取电网频率(ENF)成分的瞬时频率；提取ENF相位和频fhil的变化的平均值特征作为浅层特征；通过待检测最长时长音频确定帧数与帧长并对ENF相位和fhil进行分帧处理获取相位特征矩阵和频率特征矩阵；进行曲线拟合获取拟合系数；利用神经网络从特征矩阵中获取ENF的局部细节信息，从拟合系数中获取电网频率全局信息补偿从而构成深层特征，对深浅层特征进行融合后拟合分类。本发明能够有效提升系统的识别性能提高了模型泛化能力，优化了系统结构，提高了相应设备源识别产品的竞争力。
-
-
-
Search Results
4
records
(took 0.027 seconds)
