-
公开(公告)号：CN117011627A
公开(公告)日：2023-11-07
申请号：CN202210518034.4
申请日：2022-05-12
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/774 , G06V10/762 , G06V10/82 , G06V10/75 , G06V10/74 , G06V40/40 , G06N3/0464 , G06N3/0895
Abstract: 本申请涉及一种数据挖掘和处理方法、装置、电子设备及存储介质。该方法包括：获取第一图像集以及具有目标标签信息的多个第一目标图像；目标标签信息表征第一目标图像为目标活体攻击方式的图像，多个第一目标图像的数量小于或等于第一预设数量；从第一图像集中筛选与多个第一目标图像各自的第一图像特征匹配的多个第二目标图像；基于多个第一目标图像和多个第二目标图像，得到增量训练样本图像集，增量训练样本图像集用于迭代优化历史活体检测模型。根据本申请的技术方案，可以提升数据挖掘效率。
-
公开(公告)号：CN116957036A
公开(公告)日：2023-10-27
申请号：CN202211619700.X
申请日：2022-12-16
Applicant: 腾讯科技(深圳)有限公司
IPC: G06N3/08 , G06F18/214 , G06F18/2321 , G06N3/0464 , G06F16/45 , G06F18/24
Abstract: 提供了一种伪造多媒体检测模型的训练方法、装置和计算设备，包括：获取训练样本集，所述训练样本集包括多个带标签的第一伪造多媒体样本和多个无标签的第二伪造多媒体样本；利用所述训练样本集对深度网络模型进行半监督学习以获得初始检测模型；基于所述初始检测模型、所述第一伪造多媒体样本和所述第二伪造多媒体样本为各个第二伪造多媒体样本生成对应的伪标签；以及利用更新训练样本集对所述初始检测模型进行有监督学习以获得所述伪造媒体检测模型，所述更新训练样本集包括所述第一伪造多媒体样本和具有所述伪标签的第二伪造多媒体样本。通过这种多阶段学习训练而获得的伪造多媒体检测模型可以更加广泛和准确地检测和识别伪造多媒体的类别。
-
Patent Agency Ranking
公开(公告)号：CN112215180B
公开(公告)日：2024-05-07
申请号：CN202011125080.5
申请日：2020-10-20
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例提供一种活体检测方法及装置，涉及计算机技术领域，方法包括:获取针对目标对象的待检测视频；从所述待检测视频中获得目标对象的人脸全局图像序列，以及与所述检测活动对应的人脸局部图像序列；分别对人脸全局图像序列以及人脸局部图像序列进行多层特征提取处理，在至少一层特征提取处理后，将人脸全局图像序列的特征提取结果与人脸局部图像序列的特征提取结果融合，对融合后的特征提取结果进行下层特征提取处理，得到第一特征提取处理结果、第二特征提取处理结果，根据第一特征提取处理结果以及第二特征提取处理结果确定人脸融合特征；基于所述人脸融合特征，确定所述待检侧对象的活体检测结果。提高了检测的准确率以及效率。
-
公开(公告)号：CN113505652B
公开(公告)日：2023-05-02
申请号：CN202110661492.9
申请日：2021-06-15
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例公开了一种活体检测方法、装置、电子设备和存储介质；本申请实施例可以当接收到活体检测请求时，获取待检测对象的反射音频信号和视频数据，对反射音频信号进行信号处理和时频分析，得到处理后音频信号的时频信息，并从视频数据提取待检测对象的运动轨迹信息，分别对时频信息和运动轨迹信息进行特征提取，得到待检测对象的音频特征和运动特征，再根据音频特征计算待检测对象的第一全局注意力信息，以及根据运动特征计算待检测对象的第二全局注意力，将第一全局注意力信息和第二全局注意力信息进行融合，得到融合后全局信息，并基于融合后全局信息确定待检测对象的活体检测结果。该方案可以有效地提高活体检测的准确性。
-
公开(公告)号：CN113505652A
公开(公告)日：2021-10-15
申请号：CN202110661492.9
申请日：2021-06-15
Applicant: 腾讯科技(深圳)有限公司
IPC: G06K9/00
Abstract: 本申请实施例公开了一种活体检测方法、装置、电子设备和存储介质；本申请实施例可以当接收到活体检测请求时，获取待检测对象的反射音频信号和视频数据，对反射音频信号进行信号处理和时频分析，得到处理后音频信号的时频信息，并从视频数据提取待检测对象的运动轨迹信息，分别对时频信息和运动轨迹信息进行特征提取，得到待检测对象的音频特征和运动特征，再根据音频特征计算待检测对象的第一全局注意力信息，以及根据运动特征计算待检测对象的第二全局注意力，将第一全局注意力信息和第二全局注意力信息进行融合，得到融合后全局信息，并基于融合后全局信息确定待检测对象的活体检测结果。该方案可以有效地提高活体检测的准确性。
-
公开(公告)号：CN112215180A
公开(公告)日：2021-01-12
申请号：CN202011125080.5
申请日：2020-10-20
Applicant: 腾讯科技(深圳)有限公司
Abstract: 本申请实施例提供一种活体检测方法及装置，涉及计算机技术领域，方法包括:获取针对目标对象的待检测视频；从所述待检测视频中获得目标对象的人脸全局图像序列，以及与所述检测活动对应的人脸局部图像序列；分别对人脸全局图像序列以及人脸局部图像序列进行多层特征提取处理，在至少一层特征提取处理后，将人脸全局图像序列的特征提取结果与人脸局部图像序列的特征提取结果融合，对融合后的特征提取结果进行下层特征提取处理，得到第一特征提取处理结果、第二特征提取处理结果，根据第一特征提取处理结果以及第二特征提取处理结果确定人脸融合特征；基于所述人脸融合特征，确定所述待检侧对象的活体检测结果。提高了检测的准确率以及效率。
-
公开(公告)号：CN116824196A
公开(公告)日：2023-09-29
申请号：CN202210266939.7
申请日：2022-03-17
Applicant: 腾讯科技(深圳)有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本申请公开了一种图像分类模型的训练方法、图像分类方法、装置以及设备，可应用于计算机技术中的图像分类、人工智能以及车载等场景。通过本申请实施例提供的技术方案，在训练图像分类模型的过程中，基于注意力机制对样本图像的图像特征进行了编码，从而得到第一权重。采用第一权重对图像特征进行处理，得到样本图像的域特征和分类任务特征。基于域特征之间的第一差异信息以及分类任务特征之间的第二差异信息对图像分类模型进行训练时，不依赖于标签，从而降低了训练图像分类模型的成本，提高了训练效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.207 seconds)
