专利交易市场

0本发明属于计算机视觉技术领域，提供了一种基于噪声感知的可泛化深度伪造图像检测方法及系统。方法包括以下步骤：获取待检测的包含人脸身份的视频；将待检测的视频数据进行预处理获取面部图像；将面部图像输入预训练的深度伪图像造检测模型，提取图像的深度伪造证据特征；深度伪图像造检测模型通过自适应噪声感知注意力模型，挖掘图像中的噪声信息作为鉴伪证据；将特征作为伪造证据用于判别面部图像是否经过深度伪造。本发明测试成本更低，效率更高效，泛化性更好，可以广泛的应对深度伪造图像检测场景。

0本发明提供一种基于空间一致性的换衣行人重识方法、系统、电子设备及存储介质，属于计算机视觉技术领域，通过生成在不同空间穿着同一衣服的新的行人图像，使得基于空间一致性的换衣行人重识别系统能够初步满足空间一致性的要求；再利用视角标签生成模块来生成每张图片的视角标签，结合衣服标签，利用基于衣服、视角的对抗损失的联合学习，通过惩罚机制使得模型更加关注与衣服、视角无关的特征，能够提取适应换衣场景下的更有鲁棒性和判别性的特征；本发明充分利用了与衣服和视角无关的特征；实现了各种场景中的换衣行人重识。

0本发明提供一种基于多模态证据学习的弱监督时序动作定位方法及系统，属于计算机视觉技术领域，其包括：将预训练I3D网络中提取的RGB特征和FLOW特征进行语义和时序信息增强，将增强后的RGB特征和FLOW特征聚合为视频特征，利用视频特征进行动作分类和定位，引入证据学习模块对RGB和FLOW两个模态进行片段级证据学习，分别计算两个模态的数据不确定性和模型不确定性，从而减少背景噪声对视频预测的干扰，提高分类定位的准确性。本发明所提供的基于多模态证据学习的弱监督时序动作定位方法及系统充分利用了时序信息和语义信息，扩大了感受野，有利于模型更好的进行分类定位，获得了鲁棒的定位和分类特征。

0本发明涉及计算机技术领域，尤其涉及一种基于潜在动作区间特征整合的时序动作检测方法及装置，包括以下步骤：对原始视频进行特征编码提取；构建基于全局注意力的片段级潜在动作区间特征提取网络模型；构建片段级潜在动作区间特征融合和时序信息增强网络模型；构建基于局部多头自注意力和多层感知机的多尺寸特征金字塔模块；构建基于轻量级卷积网络的动作分类分支模块和边界回归分支模块。通过在动作检测中引入全局特征考虑，模型能够更好地理解动作前摇和后续特征，解决了时序信息处理和边界不明确的问题，从而提高检测准确性。

0本发明涉及图像处理技术领域，尤其涉及一种基于特征相似性和多尺度边缘注意力的图像篡改检测方法，包括以下步骤：处理待输入图像，获取待检测图像的多源信息，将多源信息输入骨干网络提取特征；多尺度边缘注意力网络；特征相似性学习；多级特征融合编码；多损失函数联合监督。本发明利用多尺度边缘特征辅助篡改区域的定位，通过特征相似性探索不同篡改类型的一般特征，并通过对不同尺度上的特征进行有效的融合，充分挖掘篡改区域和真实区域的差异。