-
公开(公告)号：CN114841969B
公开(公告)日：2024-12-27
申请号：CN202210498013.0
申请日：2022-05-07
Applicant: 辽宁大学
IPC: G06T7/00 , G06T7/90 , G06V40/40 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 一种基于颜色梯度纹理表示的伪造人脸鉴别方法，本发明通过在颜色梯度域中提取细微的伪造特征用于伪造图像的检测。具体来说，本发明把一般的RGB图像转化到HSV颜色空间，然后从中提取水平和垂直方向上的梯度域信息。然后通过提取梯度域的局部方向数(LDN)特征进行真伪图像检测。同时为了保留全局性的一些联系信息，本发明将图像分为多个分块以提高检测准确性。大量实验证明了本发明的有效性，且本发明对多种常见的扰动攻击也具有较佳的鲁棒性。
-
公开(公告)号：CN118314435A
公开(公告)日：2024-07-09
申请号：CN202410349804.6
申请日：2024-03-26
Applicant: 辽宁大学
IPC: G06V10/82 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 一种基于深度学习的气体智能识别方法，该方法首先将原始气体时间序列通过使用格拉姆角场GAF算法转换为二维图像信号。接着，将转换后的图像输入到多层的卷积神经网络，通过卷积操作提取图像特征。然后，将提取的图像特征展平后，通过全连接层进行分类，以获取气体识别结果。最后，利用公开数据集进行训练和测试，评估了所提出方法在气体识别任务中的有效性。同时，在公开数据集上的实验表明，通过本发明的技术路径，我们能够达到99％的分类准确率，显著优于传统的气体识别方法。这一成果不仅验证了深度学习在气体智能识别领域的巨大潜力，同时也为未来的气体识别和分类任务提供了新的技术视角和解决方案。
-
公开(公告)号：CN114897854A
公开(公告)日：2022-08-12
申请号：CN202210563360.7
申请日：2022-05-20
Applicant: 辽宁大学
Abstract: 一种基于双流交互式网络的无参考立体图像质量评价方法：1.构建训练数据集，从LIVE和IVC立体图像数据集中，随机选取80％图像作为训练集并进行分块处理，分块大小是64×64。2.对分块后的图像进行归一化处理，使训练数据集具有相同的分布，加快训练速度和学习效率。3.构建双流交互式网络模型，在左右视图子网络中构建交互式子网络来模拟双目感知，在左右视图子网络中加入非对称卷积核来增强局部信息的感知。4.将训练数据集输入到网络模型中提取图像的单目和双目特征，构建质量评价模型。本发明所述的基于双流交互式网络的质量评价模型在国际主流的数据集上取得了优异的性能，与目前主流算法相比具有较好的竞争力。
-
公开(公告)号：CN115205658A
公开(公告)日：2022-10-18
申请号：CN202210808412.2
申请日：2022-07-11
Applicant: 辽宁大学
Abstract: 一种无参考全面感知全景图像质量的评价方法，包括：分析全景图像的全局和局部结构，得到结构信息；计算色彩残差图，获得全景图像的颜色信息；在空间域和频率域中统计像素的依赖性，得到图像的统计信息；将上述所有的信息作为特征输入到回归模型中进行训练及预测，最终得到全景图像的质量分数。本发明从从多个方面研究全景图像的特性，能够全面的感知全景图像的质量并进行预测。与其他的无参考图像质量评价方法相比，具有更可靠的准确性。
-
公开(公告)号：CN114841969A
公开(公告)日：2022-08-02
申请号：CN202210498013.0
申请日：2022-05-07
Applicant: 辽宁大学
Abstract: 一种基于颜色梯度纹理表示的伪造人脸鉴别方法，本发明通过在颜色梯度域中提取细微的伪造特征用于伪造图像的检测。具体来说，本发明把一般的RGB图像转化到HSV颜色空间，然后从中提取水平和垂直方向上的梯度域信息。然后通过提取梯度域的局部方向数(LDN)特征进行真伪图像检测。同时为了保留全局性的一些联系信息，本发明将图像分为多个分块以提高检测准确性。大量实验证明了本发明的有效性，且本发明对多种常见的扰动攻击也具有较佳的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118608869A
公开(公告)日：2024-09-06
申请号：CN202410831952.1
申请日：2024-06-26
Applicant: 辽宁大学
IPC: G06V10/764 , G06V10/80 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的气体识别与浓度预测方法，该方法包括以下步骤：1)数据收集；2)数据预处理；3)模型建立；4)分类和回归建模；5)模型训练和测试；本发明涉及气体识别技术领域，利用多尺度卷积神经网络和变压器的结合，充分利用图像的局部和全局特征，能够有效识别气体特征的同时，准确预测气体的浓度。这种方法具有高效、准确、稳定等优点，对于气体识别领域的发展具有重要意义。
-
公开(公告)号：CN114897854B
公开(公告)日：2024-08-27
申请号：CN202210563360.7
申请日：2022-05-20
Applicant: 辽宁大学
IPC: G06T7/00 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/0495 , G06N3/082 , G06N3/084
Abstract: 一种基于双流交互式网络的无参考立体图像质量评价方法：1.构建训练数据集，从LIVE和IVC立体图像数据集中，随机选取80％图像作为训练集并进行分块处理，分块大小是64×64。2.对分块后的图像进行归一化处理，使训练数据集具有相同的分布，加快训练速度和学习效率。3.构建双流交互式网络模型，在左右视图子网络中构建交互式子网络来模拟双目感知，在左右视图子网络中加入非对称卷积核来增强局部信息的感知。4.将训练数据集输入到网络模型中提取图像的单目和双目特征，构建质量评价模型。本发明所述的基于双流交互式网络的质量评价模型在国际主流的数据集上取得了优异的性能，与目前主流算法相比具有较好的竞争力。
-
公开(公告)号：CN110266680B
公开(公告)日：2021-08-24
申请号：CN201910519203.4
申请日：2019-06-17
Applicant: 辽宁大学
IPC: H04L29/06
Abstract: 一种基于双重相似性度量的工业通信异常检测方法，该方法依据工业通信交互方式和工业协议规约，分析工业控制网络中通信数据并提取工业通信行为特征，通过这些特征构建行为特征树，分别进行树内相似性度量和树间相似性度量，从而发现工业控制网络中异常的通信情况。本发明创造通过以上方法，能够综合考虑一般网络行为特征以及工业协议语义特征，通过对工业通信数据的实时分析与异常判定，检测由恶意攻击或误操作所引起的工业通信异常并产生报警，保障工业控制系统安全。
-
公开(公告)号：CN116168008A
公开(公告)日：2023-05-26
申请号：CN202310226876.7
申请日：2023-03-10
Applicant: 辽宁大学
IPC: G06T7/00 , G06T7/55 , G06N3/0455 , G06N3/08
Abstract: 一种基于双目组合和多尺度Transformer的无参考立体图像质量评价方法：1.构建训练数据集，从LIVE和IVC立体图像数据集中，随机选取80％图像作为训练集进行多尺度处理。2.将左、右图像的多尺度图像分别输入到各自的Transformer编码器中，得到各自的单目特征。3.将单目特征进行双目组合，从而得到双目特征。4.将单目特征和双目特征放入全连通层中，预测图像质量评分。本发明所述的基于双目组合和多尺度Transformer质量评价模型在国际主流的数据集上取得了优异的性能，与目前主流算法相比具有较好的竞争力。
-
公开(公告)号：CN115272285A
公开(公告)日：2022-11-01
申请号：CN202210990910.3
申请日：2022-08-18
Applicant: 辽宁大学
Abstract: 基于降采样全景图像数据集的无参考质量评价算法，包括：基于局部二值模式，在三个尺度下提取图像结构信息；基于梯度幅度和方向的直方图信息统计，得到图像梯度向量；提取人类视觉系统的显著性特征，计算均值；使用随机森林回归模型对特征进行训练及预测，得到图像质量分数。实验结果显示本发明的算法具有很好的性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
