排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
报道了液氮温度下激光束诱导电流(LBIC)和I-V测试两种在HgCdTe器件中pn结结区扩展的表征方法.通过LBIC和I-V测试,发现了p型HgCdTe材料中由B+离子注入成结和干法刻蚀成结对材料造成的损伤使得有效结区范围大于注入和刻蚀面积,并获得n区横向扩展.同时,通过对比,相互印证两种方法得到的测试结果一致. 相似文献
2.
B样条曲线最小二乘降阶方法 总被引:1,自引:0,他引:1
提出一种新的B样条曲线降阶方法.该方法利用B样务基转换矩阵建立B样条曲线降阶的数学模型,将B样条曲线的降阶问题转化为求线性方程组的最小二乘解问题.该方法基于整体考虑不必对B样条曲线分段处理,步骤简单易实现;可一次降多阶,避免了重复一次降一阶运算引起的误差累积,而当仅降一阶时与基于控制顶点扰动的约束优化降阶方法的逼近效果一致;在降阶的同时可满足各种给定的端点约束条件,以满足实际应用中的各种要求. 相似文献
3.
4.
5.
深度学习技术的快速发展为深度伪造的研究提供了强有力的工具,人眼越来越难区分伪造视频图像的真假。伪造的视频图像会对社会生活造成巨大的负面影响,如:金融欺诈、假新闻传播、人身欺凌等。目前,基于深度学习的假脸检测技术在多个基准数据库(如FaceForensics++)上已经达到了较高的准确率,但在跨数据库上的检测精度远低于源数据库内的检测精度,即许多检测方法难以推广到不同的或未知的伪造类型上。专注于基于深度学习的人脸伪造检测方法泛化性研究,首先对伪造检测常用的数据库进行简单介绍和比较;其次从数据、特征和学习策略3个方面对视频图像篡改检测方法的泛化性进行分类总结和分析;最后讨论未来人脸篡改检测泛化性的发展方向和挑战。 相似文献
6.
融合小型深度生成模型的显著性检测 总被引:1,自引:0,他引:1
针对基于深度神经网络模型的显著性检测方法中存在的模型训练困难、模型参数量大以及检测速度慢等问题,本文提出了一种融合小型深度生成模型的显著性检测方法.方法以生成对抗网络为框架,设计了包含11个卷积模块和5个池化层的鉴别器网络以及不包含池化层,仅包含15个卷积模块和5个转置卷积模块的小型生成器网络.其中,小型生成器网络大小仅2.4M,参数量仅67万左右.将训练好的小型生成器用于显著性检测,并与LMB(融合背景块再选取过程的显著性检测)算法通过设计的融合算法进行融合,从而得到最终结果.通过大量的实验对比分析表明,提出的方法在F值和MAE(Mean Absolute Error)值上均取得大幅提升. 相似文献
7.
传统的视频帧间被动取证往往依赖单一特征,而这些特征各自适用于某类视频,对其他视频的检测精度较低。针对这种情况,提出一种融合多特征的视频帧间篡改检测算法。该算法首先计算视频的空间信息和时间信息值并对视频进行分组,接着计算视频帧间连续性VQA特征,然后结合SVM–RFE特征递归消除算法对不同特征排序,最后利用顺序前向选择算法和Adaboost二元分类器对排序好的特征进行筛选与融合。实验结果表明,该算法提高了篡改检测精度。 相似文献
8.
针对现有Deepfake检测算法中普遍存在的准确率低、可解释性差等问题,提出融合双层注意力的神经网络模型,该模型利用通道注意力捕获假脸的异常特征,并结合空间注意力聚焦异常特征的位置,充分学习假脸异常部分的上下文语义信息,从而提升换脸检测的有效性和准确性。并以热力图的形式有效地展示了真假脸的决策区域,使换脸检测模型具备一定程度的解释性。在 FaceForensics++开源数据集上的实验表明,所提方法的检测精度优于MesoInception、Capsule-Forensics和XceptionNet检测方法。 相似文献
9.
相邻帧间相似性原理的传统视频被动取证方法会对画面运动剧烈的视频发生大量误检测,针对这个问题,提出了一种融合空间约束和梯度结构信息的视频篡改检测方法。首先,利用空间约束准则,提取低运动区域和高纹理区域,并将两个区域进行融合,获取顽健的量化相关性丰富区域用于提取视频最优相似性特征;然后,改进原有特征的提取和描述方法,运用符合人类视觉系统特性的梯度结构相似性 GSSIM 来计算空间约束相关性值,最后,利用切比雪夫不等式对篡改点进行定位。实验证明,针对画面运动剧烈的视频,所提算法误检率更低,精确度更高。 相似文献
10.