-
公开(公告)号：CN119027859A
公开(公告)日：2024-11-26
申请号：CN202411471722.5
申请日：2024-10-22
Applicant: 厦门大学 , 厦门瑞为信息技术有限公司
IPC: G06V20/40 , G06V10/80 , G06V10/44 , G06V10/764 , G06V10/42 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于多尺度特征融合与对比损失的视频异常检测方法，包括获取视频的连续视频帧序列，对连续视频帧序列分段并使用特征提取网络提取视频片段特征，将视频片段特征输入类激活模块获得类激活特征，将类激活特征输入多尺度特征融合模块获得多尺度融合视频特征，将多尺度融合视频特征输入分类器获得视频片段异常分数，利用总损失函数对视频片段异常分数进行优化，得到训练完成的弱监督视频异常检测模型。
-
公开(公告)号：CN112800282A
公开(公告)日：2021-05-14
申请号：CN202110054367.1
申请日：2021-01-15
Applicant: 厦门大学
IPC: G06F16/901 , G06F16/903 , G06F16/9536 , G06Q30/06 , G06Q50/00 , G06F16/27 , G06Q40/04
Abstract: 一种业务流程异常节点溯源方法，涉及流程图的构建与查找。包括以下步骤：1)通过数据仿真构建包含属性图信息的业务流程图；业务流程图中包括节点、节点属性、节点关系，属性图包含节点属性的转换关系；2)根据业务流程图和属性图中节点的属性数据流动关系，结合深度优先遍历搜索算法，基于属性图约束对业务流程图进行剪枝优化，将与异常节点路径上不相关的支路去除，给出起始溯源的具体属性，沿着该属性的方向逆向查找异常点，完成业务流程异常节点溯源。加快网络对异常节点的搜索速度，提升搜索效率，可实现高效异常逆向溯源搜索，为流程推进提供有力保障具有实际意义。
-
公开(公告)号：CN109919031A
公开(公告)日：2019-06-21
申请号：CN201910097412.4
申请日：2019-01-31
Applicant: 厦门大学
Abstract: 一种基于深度神经网络的人体行为识别方法，涉及人体行为识别领域。采集视频数据集，根据视频中的人体行为类别对视频进行切割，并赋予对应的类别标签；对视频数据进行抽帧和光流计算预处理，并对抽取的视频帧和光流图像赋予与其对应视频相同的类别标签；人体行为特征学习，使用深度卷积神经网络和双支流输入类残差长短期记忆单元循环神经网络LSTM模型学习视频长时序运动特征；根据学习到的人体行为识别特征，用Softmax层融合两条支流类残差循环神经网络学习到的长时序运动特征，并输出视频的识别类别。
-
公开(公告)号：CN109119133A
公开(公告)日：2019-01-01
申请号：CN201810879094.2
申请日：2018-08-03
Applicant: 厦门大学
Abstract: 基于多标记特征选择及分类的中医临床大数据存储方法，涉及大数据挖掘与中医数字化的交叉技术应用领域。对患者进行信息采集，根据不同患者症状进行量化打分，并对其赋予对应的多类标签；对采集到的患者数据进行归一化处理，将标记数据集进行向量化处理，得到标准的多标记数据集，并将多标记数据集划分为训练集和测试集以验证算法有效性；计算训练集进行特征选择时所需相关矩阵，使用罚函数法计算全局最优特征权重分配；选取权重最大的前K个特征子集，使用MLkNN方法得到测试集预测结果，并选取最优特征子集进行新患者病情预测。
-
公开(公告)号：CN118887722A
公开(公告)日：2024-11-01
申请号：CN202411346926.6
申请日：2024-09-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门大学
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于自信息增强对比学习的深度伪造人脸检测方法，包括：获取样本图像并进行数据增强生成两个视图；将两个视图输入至特征提取网络，利用多尺度特征增强模块、自信息增强学习模块分别对图像的浅层、中层、深层特征进行学习。所述多尺度特征增强模块用于提高网络的局部与全局特征建模能力；自信息增强学习模块利用自信息度量来量化生成人脸局部区域的自信息差异，突出高信息纹理与形状特征，并通过注意力机制来降低网络对特定伪造痕迹的关注；利用级联的Projector和Predictor架构，结合相互预测机制在高维空间中捕捉伪造模式与面部结构多样性的细微变化。最终利用二分类交叉熵损失函数和相互预测一致性损失函数来优化模型并进行真伪判别。
-
Patent Agency Ranking
公开(公告)号：CN115063654B
公开(公告)日：2024-07-16
申请号：CN202210639789.X
申请日：2022-06-08
Applicant: 厦门大学
IPC: G06V10/778 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明提供了一种基于序列元学习的黑盒攻击方法、存储介质和电子设备，所述方法从所述代理数据集中采样若干图像，基于所述若干图像和所述分类器模型集按照次序逐个优化所述分类器模型集中各模型fi的第一定向扰动，得到一组与各模型相关的定向对抗扰动；而后基于所述定向对抗扰动生成一个与模型无关的第二定向扰动δ，根据所述定向对抗扰动确定所述第二定向扰动δ的更新方向，并按照确定的所述第二定向扰动的更新方向对所述第二定向扰动进行优化。当迭代次数达到预设次数时，输出当前第二定向扰动。上述方案通过挖掘所有观察到的模型，能够优化出共享的扰动，有效提高定向通用扰动的可迁移性。
-
公开(公告)号：CN117710861A
公开(公告)日：2024-03-15
申请号：CN202311732700.5
申请日：2023-12-15
Applicant: 厦门大学
IPC: G06V20/40 , G06N3/0442 , G06N3/0895 , G06V10/80
Abstract: 本发明公开了一种基于全注意力记忆模块的视频异常检测方法、介质和设备，所述方法通过混合编码器预处理输入数据以及使用全注意力机制更新记忆模块，采用混合编码器对I3D模型提取的第一视频特征信息进行预处理，能够使得提取出的视频特征变得更加全面，避免丢失有价值信息，而采用注意力机制取代了Top‑k选择机制，能够实现更全面的记忆模块中各项参数的迭代更新，有效解决了现有基于记忆模块的弱监督视频异常检测方法中的缺陷。
-
公开(公告)号：CN113962311A
公开(公告)日：2022-01-21
申请号：CN202111254098.X
申请日：2021-10-27
Applicant: 厦门大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本发明提供了一种目标分类系统。该目标分类系统具体可以是知识数据和人工智能驱动的多病种识别系统。该系统能够用于获取医学图像和非图像医学信息；使用医学专家知识库匹配信息数据，由医学知识推理算法得到眼科疾病权重结果；使用医学影像诊断中的器官组织分割算法、疾病病灶识别算法得到眼科疾病权重结果；结合知识推理和医学图像识别所得权重结果，加权计算获得最终疾病诊断结果。本发明参照医学临床诊断思路，以大数据对医学数据的结构化处理，以人工智能模型对疾病病灶的检测能力，实现了疾病的自动诊断。该系统改进了现有就诊方式，实现了疾病的人工智能初步诊断筛查，有效缓解医疗资源紧缺现状，具有广泛的应用前景。
-
公开(公告)号：CN109919031B
公开(公告)日：2021-04-09
申请号：CN201910097412.4
申请日：2019-01-31
Applicant: 厦门大学
Abstract: 一种基于深度神经网络的人体行为识别方法，涉及人体行为识别领域。采集视频数据集，根据视频中的人体行为类别对视频进行切割，并赋予对应的类别标签；对视频数据进行抽帧和光流计算预处理，并对抽取的视频帧和光流图像赋予与其对应视频相同的类别标签；人体行为特征学习，使用深度卷积神经网络和双支流输入类残差长短期记忆单元循环神经网络LSTM模型学习视频长时序运动特征；根据学习到的人体行为识别特征，用Softmax层融合两条支流类残差循环神经网络学习到的长时序运动特征，并输出视频的识别类别。
-
公开(公告)号：CN118887722B
公开(公告)日：2024-12-03
申请号：CN202411346926.6
申请日：2024-09-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门大学
IPC: G06V40/16 , G06V40/40 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于自信息增强对比学习的深度伪造人脸检测方法，包括：获取样本图像并进行数据增强生成两个视图；将两个视图输入至特征提取网络，利用多尺度特征增强模块、自信息增强学习模块分别对图像的浅层、中层、深层特征进行学习。所述多尺度特征增强模块用于提高网络的局部与全局特征建模能力；自信息增强学习模块利用自信息度量来量化生成人脸局部区域的自信息差异，突出高信息纹理与形状特征，并通过注意力机制来降低网络对特定伪造痕迹的关注；利用级联的Projector和Predictor架构，结合相互预测机制在高维空间中捕捉伪造模式与面部结构多样性的细微变化。最终利用二分类交叉熵损失函数和相互预测一致性损失函数来优化模型并进行真伪判别。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.027 seconds)
