-
公开(公告)号：CN114155469B
公开(公告)日：2024-09-06
申请号：CN202111485989.6
申请日：2021-12-07
Applicant: 湖南科技大学
IPC: G06V20/40 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/56 , G06V10/774 , G06N3/0464 , G06N3/09 , G06N3/048
Abstract: 本发明公开了一种基于双流卷积神经网络的深度视频帧率上转换检测装置，包括：残差特征提取模块，用于抑制时序上连续的两帧中的相同内容，加强对运动区域的关注，获得稳定的RGB和噪声残差特征；时空特征提取模块，用于接收多域残差，经过点卷积、批标准化层、激活函数和深度可分离卷积获取时空特征；高级特征提取模块，用于将获取的时空特征分别经过点卷积和深度可分离卷积，将获得的特征图在通道上拼接获得高级特征；特征聚合模块，用于将获得的残差特征、时空特征、高级特征进行连接，然后进行双线性池化，输入到全连接层，以实现对样本的分类。本发明的有益效果如下：可以对深度帧率上转换篡改进行有效的检测，可以满足视频真实性和完整性的验证要求，为深度视频帧率上转换的检测发展提供新的检测装置。
-
公开(公告)号：CN114155469A
公开(公告)日：2022-03-08
申请号：CN202111485989.6
申请日：2021-12-07
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于双流卷积神经网络的深度视频帧率上转换检测装置，包括：残差特征提取模块，用于抑制时序上连续的两帧中的相同内容，加强对运动区域的关注，获得稳定的RGB和噪声残差特征；时空特征提取模块，用于接收多域残差，经过点卷积、批标准化层、激活函数和深度可分离卷积获取时空特征；高级特征提取模块，用于将获取的时空特征分别经过点卷积和深度可分离卷积，将获得的特征图在通道上拼接获得高级特征；特征聚合模块，用于将获得的残差特征、时空特征、高级特征进行连接，然后进行双线性池化，输入到全连接层，以实现对样本的分类。本发明的有益效果如下：可以对深度帧率上转换篡改进行有效的检测，可以满足视频真实性和完整性的验证要求，为深度视频帧率上转换的检测发展提供新的检测装置。
-
公开(公告)号：CN117173045A
公开(公告)日：2023-12-05
申请号：CN202311105792.4
申请日：2023-08-30
Applicant: 湖南科技大学
IPC: G06T5/00 , G06T7/62 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明针对电机故障诊断领域，公开了一种基于多向注意力机制的CNN电机故障诊断方法，包括如下步骤：将采集的电机信号从时域数据转化为灰度图像，即全局特征视域下的数据转换方法；提出一种多向注意力机制，用于提高电机故障诊断的准确性；基于上述多向注意力机制，改进卷积神经网络结构，提高对故障数据的识别分类能力；最后选取轴承故障数据集、转子故障数据集和异步电机故障数据集，分别代入本发明和一些传统电机故障诊断方法进行对比实验。实验结果表明：本发明相较于传统电机故障诊断方法，不仅在数据预处理方面更加优越，在故障诊断的准确度上也更具优势，而且网络结构整体的的泛化能力、鲁棒性和稳定性都有所提升。
-
公开(公告)号：CN115909160A
公开(公告)日：2023-04-04
申请号：CN202211480029.5
申请日：2022-11-24
Applicant: 湖南科技大学 , 郑州信大先进技术研究院
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种深度视频插帧检测方法，包括如下步骤：提取视频帧序列中的双向光流及帧间运动异常区域，将双向光流输入ParNet网络提取局部特征，利用运动注意力机制关注帧间运动异常区域，增强篡改特征；提取视频帧序列中的单帧运动异常区域输入Transformer网络进行信息重组，将关联较强的信息聚合以凸显篡改痕迹，提取全局特征；将所述局部特征和所述全局特征聚合后输入全连接层进行分类，输出真假帧的分类结果。本申请可以对深度帧率上转换篡改进行有效的检测，可以满足视频真实性和完整性的验证要求，具备较高的判别精度。本申请还提供一种深度视频插帧检测装置及一种计算机可读存储介质。
-
-
-
Search Results
4
records
(took 0.015 seconds)
