排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
目的 深度伪造视频检测是目前计算机视觉领域的热点研究问题。卷积神经网络和Vision Transformer(ViT)都是深度伪造检测模型中的基础结构,二者虽各有优势,但都面临训练和测试阶段耗时较长、跨压缩场景精度显著下降问题。针对这两类模型各自的优缺点,以及不同域特征在检测场景下的适用性,提出了一种高效的CNN(convolutional neural network)结合Transformer的联合模型。方法 设计基于Efficient Net的空间域特征提取分支及频率域特征提取分支,以丰富单分支的特征表示。之后与Transformer的编码器结构、交叉注意力结构进行连接,对全局区域间特征相关性进行建模。针对跨压缩、跨库场景下深度伪造检测模型精度下降问题,设计注意力机制及嵌入方式,结合数据增广策略,提高模型在跨压缩率、跨库场景下的鲁棒性。结果 在Face Forensics++的4个数据集上与其他9种方法进行跨压缩率的精度比较,在交叉压缩率检测实验中,本文方法对Deepfake、Face2Face和Neural Textures伪造图像的检测准确率分别达到90.35%、71.79%... 相似文献
3.
当前大多数的先加密后压缩ETC(encryption-then-compression)方法只能够获得有限固定的压缩率,而无法获取到实际需求的任意压缩率。针对此问题提出一种具有任意压缩率的加密彩色图像有损压缩算法,该算法采用均匀下采样和随机下采样有机结合的方式对加密图像进行压缩,以获得加密图像的任意压缩率。接收方接收到加密图像的压缩序列后通过解压解密获得解密图像,随后把从解密图像有损重构原始图像的过程表征为一个结合下采样压缩方式约束的最优化问题,并设计一种基于卷积神经网络的有损ETC系统图像重构模型ETRN(ETC-oriented reconstruction network)来求解该优化问题。ETRN模型包含浅层特征提取层SFE(shallow feature extraction)、残差堆叠模块RIR(residual in residual)、残差信息补充模块RCS(residual content supplementation)、下采样约束模块DC(down-sampling constraint)。实验仿真结果表明,提出的加密彩色图像有损压缩算法能够获得优秀的加密压缩和重构性能,充分体现了该方法的可行性和有效性。 相似文献
4.
给出了适用于透平压缩机迷宫密封泄漏量的修正模型,并用修正模型对变结构参数下的泄漏量进行规律研究.通过采用工程常用迷宫密封泄漏量理论公式,计算了不同压比下透平压缩机典型平滑型和曲折型迷宫密封流量系数,对比了试验结果,修正了流量系数值;在此基础上,进一步研究了不同间隙和齿数下泄漏量的规律,以研究参数变化对泄漏量的影响.研究结果表明:对于平滑型密封结构,修正模型的修正系数可选择在0.8~1.2;对于曲折型密封结构,修正模型的修正系数可选择在0.7~0.8.本文提供了一种较为准确、工程性的透平压缩机迷宫密封泄漏量模型的修正系数. 相似文献
1