基于3DMM软生物特征的深度伪造视频检测方法及系统.pdf

一种利用时空特征的深度伪造视频检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114550268 A (43)申请公布日 2022.05.27 (21)申请号 202210194541.7 G06V 10/764 (2022.01)

2023-05-09 约9.86千字 9页立即下载

基于多色彩通道的深度伪造视频检测方法研究.docx 基于多色彩通道的深度伪造视频检测方法研究基于多色彩通道的深度伪造视频检测方法研究摘要：随着深度学习技术的发展，深度伪造技术的威胁愈发严重。为了保障视频的真实性，需要研究深度伪造视频的检测方法。本文提出了一种基于多色彩通道的深度伪造视频检测方法。该方法在提取视频中的多种色彩通道的基础上，将深度学习方法应用于其特征提取和分类任务中。首先，采用卷积神经网络（CNN）提取各色彩通道的特征，再通过分类器实现对视频真伪的判别。实验结果表明，该方法能够有效识别深度伪造视频，具有较高的准确性和鲁棒性，可作为一种有力的检测手段。关键词：深度伪造视频；多色彩通道；卷积神经网络；特征提取；分类器一、引

2023-08-02 约2.38千字 6页立即下载

基于rPPG信号的深度人脸伪造视频检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114882419 A (43)申请公布日 2022.08.09 (21)申请号 202210572034.2 G06N 3/04 (2006.01)

2023-05-16 约1.04万字 10页立即下载

基于帧内帧间特征差异化的深度伪造视频检测技术：原理应用与展望.docx 基于帧内帧间特征差异化的深度伪造视频检测技术：原理、应用与展望一、引言 1.1研究背景与意义随着深度学习技术的迅猛发展，深度伪造视频技术应运而生，并在近年来取得了显著的进展。深度伪造（Deepfake），是“深度学习”（DeepLearning）与“伪造”（Fake）的结合，它利用人工智能的深度学习算法进行自动化的数据处理，实现图片、音频及视频的智能模拟和伪造，其核心技术是生成对抗网络（GANs）和变分自编码器（VAEs）。通过这些技术，深度伪造视频能够将一个人的面部特征或声音替换为另一个人的，从而制造出看似真实的视频内容。 深度伪造视频技术最初在娱乐领域崭露头角，例如在电影制作

2025-04-04 约4.18万字 33页立即下载

一种基于光流追踪的伪造视频检验方法、系统及设备.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 114565880 B (45)授权公告日 2022.07.19 (21)申请号 202210455467.X G06N 3/08 (2006.01)

2023-05-09 约1.84万字 14页立即下载

基于对比学习的深度伪造人脸检测方法研究.docx 基于对比学习的深度伪造人脸检测方法研究一、引言随着深度学习技术的飞速发展，深度伪造技术也在不断进步，如人脸合成、人脸替换等。这些伪造技术可能被用于制作假照片、视频，进而带来安全风险。因此，针对深度伪造人脸的检测变得至关重要。本文提出了一种基于对比学习的深度伪造人脸检测方法，旨在提高检测的准确性和效率。二、相关工作在深度伪造人脸检测领域，目前已有许多方法被提出。这些方法大多基于图像处理、机器学习或深度学习技术。然而，传统的检测方法往往难以应对复杂的伪造技术，如高分辨率的伪造图像和视频。近年来，基于深度学习的检测方法逐渐成为主流，但仍然存在误检率高、计算复杂度高等问题。三、基于对比学习的

2025-05-15 约4.71千字 9页立即下载

一种基于深度学习特征融合的视频火焰检测方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112966771 A (43)申请公布日 2021.06.15 (21)申请号 202110305194.6 (22)申请日 2021.03.19 (71)申请人杭州像素元科技有限公司

2023-06-06 约8.75千字 11页立即下载

2023-06-09 约1.12万字 12页立即下载

基于深度学习的多特征联合的植物线虫检测方法及系统.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112990341 B (45)授权公告日 2022.08.02 (21)申请号 202110364547.X (56)对比文件 (22)申请日 2021.04.02

2023-06-10 约1.53万字 15页立即下载

基于深度学习的重获取视频检测方法、系统、设备及介质.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112560734 A (43)申请公布日 2021.03.26 (21)申请号 202011532832.X (22)申请日 2020.12.23 (71)申请人华南农业大学地址

2023-05-29 约2.7万字 25页立即下载

基于纹理特征的伪造人脸图像检测算法设计.docx PAGE2 摘要随着GAN网络的兴起，图像伪造技术的门槛大大降低，被篡改生成的图像更逼真，并由此引出全新的图像伪造概念——深度伪造。深度伪造人脸图像不仅会被用于伪造虚拟的身份信息，更可能引发社会的诈骗甚至恐慌，而深度伪造检测技术可以检测出人脸是否伪造而成，降低深度伪造攻击的危险。现今深度伪造检测技术，主要是依靠CNN网络提取特征，再加以分类识别真伪，并未充分考虑到图像纹理信息的作用。针对纹理特征在深度伪造人脸检测中的作用本文充分地完成了以下调研和工作，主要如下：纹理特征一直以来都是计算机视觉、图像处理、图像分析等领域的重要研究对象。本文调研了深度伪造的兴起过程，

2024-12-25 约4.27万字 75页立即下载

基于多域特征融合的伪造人脸检测研究.docx 基于多域特征融合的伪造人脸检测研究一、引言随着深度学习和计算机视觉技术的快速发展，人脸识别技术在众多领域得到了广泛应用。然而，伪造人脸图像和视频的传播和滥用也引发了严重的安全和社会问题。因此，伪造人脸检测技术的研究显得尤为重要。本文旨在探讨基于多域特征融合的伪造人脸检测方法，以提高检测的准确性和效率。二、研究背景与意义近年来，伪造人脸技术日益猖獗，如通过深度学习技术合成的假脸图像和视频等。这些伪造的人脸信息不仅可能被用于欺诈、恶意攻击等不法行为，还可能对个人隐私和安全造成严重威胁。因此，研究有效的伪造人脸检测方法具有重要的现实意义。多域特征融合技术为解决这一问题提供了新的思路。通过融合

2025-02-16 约4.68千字 10页立即下载

2025-04-14 约4.61万字 75页立即下载

一种融合深度和宽度学习的深度伪造图像检测方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114549481 A (43)申请公布日 2022.05.27 (21)申请号 202210177248.X G06T 7/50 (2017.01)

2023-05-11 约2.25万字 13页立即下载

基于深度学习的视频行人检测系统.docx PAGE2 基于深度学习的视频行人检测系统 摘要：近年来，社会服务智能化发展得到国家政府的大力支持。行人检测技术能够自动实时检测图像或视频序列中的行人并给予精确定位，在许多公共智能系统中都发挥着关键作用。针对传统算法应用在行人检测任务的低精度问题，科研人员们相继提出一系列基于深度学习的检测方案，大大推动该项技术的发展。本文将视频中的街道行人作为重点研究对象，首先从权衡检测精度、速度、尺度多样性的角度出发，确定YOLOv3算法为系统设计基础。接下来根据视频中的街道行人密集度高、多遮挡等特点选用吻合度较高的数据集。在YOLOv3算法的基础上提出一系列改进措施：根据行人样本采用聚类算法求取锚

2024-10-05 约4.9万字 54页立即下载