Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华中科技大学于俊清获国家专利权

华中科技大学于俊清获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华中科技大学申请的专利一种基于弱监督的图像篡改检测模型构建方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119559412B

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410385296.7,技术领域涉及:G06V10/75;该发明授权一种基于弱监督的图像篡改检测模型构建方法是由于俊清;蔡佳乐;杨卫设计研发完成,并于2024-04-01向国家知识产权局提交的专利申请。

一种基于弱监督的图像篡改检测模型构建方法在说明书摘要公布了:本发明属于计算机多媒体安全领域,具体涉及一种基于弱监督的图像篡改检测模型构建方法,包括:通过区域特征构建单元提取每张图像的RGB特征和噪声敏感特征并将两者融合,对每张图像语义分割,得到对应图像的多张二进制掩码图,基于融合特征与每张二进制掩码图的乘积,得到对应图像不同区域的区域特征;引入正常特征记忆单元和篡改特征记忆单元,通过每个单元的查询和读取操作输出该单元所存特征与每个区域特征的匹配结果以及每个区域特征的增强特征,将由两个单元所输出的两个增强特征相加后与对应区域特征拼接,基于拼接特征检测分类,损失计算创造性引入基于约束的记忆单元损失,本发明可在无像素级标签信息的情况下实现高精细度的图像篡改检测。

本发明授权一种基于弱监督的图像篡改检测模型构建方法在权利要求书中公布了:1.一种基于弱监督的图像篡改检测模型构建方法,其特征在于,包括: 将样本图像输入图像篡改检测网络,该网络包括:区域特征构建单元,用于提取每张图像的RGB特征和噪声敏感特征并将两者融合,得到融合特征,对每张图像进行语义分割,得到对应图像不同区域且覆盖整个图像的多张二进制掩码图,基于所述融合特征与每张二进制掩码图的乘积,得到对应图像不同区域的区域特征;双记忆单元框架,其包括正常特征记忆单元和篡改特征记忆单元,用于通过每个单元的查询和读取操作输出该单元所存特征与每个区域特征的匹配结果以及每个区域特征的增强特征,并将由两个单元所输出的两个增强特征相加后与对应区域特征拼接,得到拼接特征;分类器,用于基于每张样本图像的拼接特征集,进行篡改图像识别; 计算检测损失,以迭代训练图像篡改检测网络的参数,完成模型构建; 其中,所述检测损失包含基于约束和所述匹配结果的记忆单元损失,约束包括:篡改特征记忆单元所存特征与真实样本图像的各区域特征均不匹配、与篡改样本图像的至少一个区域特征匹配,正常特征记忆单元所存特征与真实样本图像的各区域特征均匹配、与篡改样本图像的至少一个区域特征不匹配;真实样本图像的特征与篡改样本图像中真实区域的区域特征接近、篡改区域的区域特征较远; 其中,所述查询和所述读取操作分别表示为: ; ; 式中,表示区域特征,表示记忆单元所存特征,C表示区域特征构建单元所提取到的特征维度,指代sigmoid函数,表示所述匹配结果,表示所述增强特征; 每个记忆单元所存特征与每个区域特征的匹配结果是一个长宽尺寸同该区域特征、高尺寸同该记忆单元中所存特征块数的三维向量; 所述记忆单元损失的计算实现方式为: 将每个记忆单元所存特征与每个区域特征的所述匹配结果转换为该区域特征与该记忆单元所存特征的一个匹配分数; 基于每个区域特征与每个记忆单元所存特征的所述匹配分数以及所述约束,计算所述记忆单元损失。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华中科技大学,其通讯地址为:430074 湖北省武汉市洪山区珞喻路1037号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。