期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于隐空间约束生成对抗网络的活体检测
1
作者 陈成伟 院旺 +4 位作者 陈攀 丁守鸿 谢源 宋海川 马利庄 《中国科学:信息科学》 CSCD 北大核心 2021年第3期367-382,共16页
近年来,人脸识别技术飞速发展,其主要应用于门禁系统和公共安防系统.然而现有的人脸识别系统容易受到仿冒攻击(也称为呈现攻击),例如尝试使用用户的脸部照片、视频或者伪造的3D人脸去攻击人脸识别系统.这些攻击手段给人脸识别系统带来... 近年来,人脸识别技术飞速发展,其主要应用于门禁系统和公共安防系统.然而现有的人脸识别系统容易受到仿冒攻击(也称为呈现攻击),例如尝试使用用户的脸部照片、视频或者伪造的3D人脸去攻击人脸识别系统.这些攻击手段给人脸识别系统带来了极具挑战性的安全问题.因此活体检测技术的研究十分重要,其可以使人脸识别系统免于攻击假脸的安全威胁.目前,大部分活体检测的方法将活体检测任务视作有监督的二分类问题,进而努力充分提取真实人脸和攻击人脸的特征,在单个数据集内部训练和测试可以达到很高的准确率,但是在交叉数据集之间训练和测试往往效果不佳.本文将活体检测任务定义为异常检测任务,并基于此来解决之前活体检测方法存在的泛化能力差的问题.因此本文提出了一种新颖的基于隐空间约束的深度对抗网络,它通过半监督学习的方式进行对抗训练,在此过程中模型不仅仅可以获得正常样本在隐空间中的分布,还可以通过一种惩罚的方式对隐空间中正常样本的特征进行约束,这将带来更加有效和鲁棒的活体检测效果.测试过程中,攻击人脸样本将被视作离群的样本,它们相对于正常样例在隐空间中的表达具有更高的重构差.实验表明提出的模型相较于前沿的半监督异常检测方法具备明显的优势,并且在活体检测跨数据集和单数据集内达到了可比的效果或者目前最好的效果. 展开更多
关键词 对抗网络 活体检测 弱监督学习 异常检测 人脸仿冒攻击
原文传递
融合生成对抗网络和姿态估计的视频行人再识别方法 被引量:11
2
作者 刘一敏 蒋建国 +2 位作者 齐美彬 刘皓 周华捷 《自动化学报》 EI CSCD 北大核心 2020年第3期576-584,共9页
随着国家对社会公共安全的日益重视,无重叠视域监控系统已大规模的普及.行人再识别任务通过匹配不同视域摄像机下的行人目标,在当今环境下显得尤为重要.由于深度学习依赖大数据解决过拟合的特性,针对当前视频行人再识别数据量较小和学... 随着国家对社会公共安全的日益重视,无重叠视域监控系统已大规模的普及.行人再识别任务通过匹配不同视域摄像机下的行人目标,在当今环境下显得尤为重要.由于深度学习依赖大数据解决过拟合的特性,针对当前视频行人再识别数据量较小和学习特征单一的问题,我们提出了一种基于视频的改进行人再识别方法,该方法通过生成对抗网络去生成视频帧序列来增加样本数量和加入了行人关节点的特征信息去提升模型效率.实验结果表明,本文提出的改进方法可以有效地提高公开数据集的识别率,在PRID2011,iLIDS-VID数据集上进行实验,Rank 1分别达到了80.2%和66.3%. 展开更多
关键词 行人再识别 深度学习 生成对抗网络 人体姿态估计
下载PDF
对话讨论:AIGC使用与治理
3
作者 刘幼琍 埃里克·波林 +4 位作者 金成哲 汤砺锋 王川南 叶航晖 伊帅 《上海广播电视研究》 2024年第3期64-68,共5页
一、AI在广播电视行业的应用。刘幼琍:请各位从技术角度,分享一下AI技术或者大模型在广播电视行业的应用现状。王川南:在传媒领域,腾讯混元大模型有三大引擎来服务于这个行业。第一个是知识引擎,主要是用来做知识的解析和理解生成,比如... 一、AI在广播电视行业的应用。刘幼琍:请各位从技术角度,分享一下AI技术或者大模型在广播电视行业的应用现状。王川南:在传媒领域,腾讯混元大模型有三大引擎来服务于这个行业。第一个是知识引擎,主要是用来做知识的解析和理解生成,比如新闻摘要的生成、标题的生成。第二个是图像创作引擎,即文生图和图像风格化等。腾讯是国内首个开源中文原生基于IT架构的文生图模型的公司。由于是中文原生,并且是新的架构,所以它在多轮对话以及复杂语义理解上的性能得到大幅提升。第三个就是视频创作引擎,包括文生视频、人脸融合等。 展开更多
关键词 AI技术 腾讯 图模型 知识引擎 IT架构 新闻摘要 广播电视行业 视频创作
下载PDF
基于采样和加权损失函数的模型窃取攻击方法
4
作者 王熠旭 李杰 +4 位作者 刘弘 王言 徐明亮 吴永坚 纪荣嵘 《中国科学:信息科学》 CSCD 北大核心 2023年第5期931-945,共15页
模型窃取攻击旨在获得一个和目标受害模型功能相似的替代模型.现有的方法主要采用数据生成或数据选择方法和交叉熵损失函数去获得一个较好的攻击效果.据此,本文着重研究了攻击过程中这两个极为重要的模块:数据采样和损失函数.同时,本文... 模型窃取攻击旨在获得一个和目标受害模型功能相似的替代模型.现有的方法主要采用数据生成或数据选择方法和交叉熵损失函数去获得一个较好的攻击效果.据此,本文着重研究了攻击过程中这两个极为重要的模块:数据采样和损失函数.同时,本文提出了一个新颖的模型窃取攻击方法S&W,其包含了一种新的采样策略和一个精心设计的加权损失函数.首先,新的采样策略更加关注于从受害者模型中获得更多信息的重要样本.与此同时,本文通过引入k-Center算法达到选择样本的多样性的目的.其次,受到经典Focal损失函数的启发,本文设计了一种新的加权损失函数.该损失函数主要关注于受害者模型和替代模型对于相同输入所给出的输出之间的差异,从而促使替代模型模拟受害者模型.在4个常用的数据集上,我们通过实验证明了本文提出的方法的有效性.相比于之前最好的方法,本文方法最高有5.03%的性能提升. 展开更多
关键词 计算机视觉 模型窃取攻击 对抗攻击 主动学习 知识蒸馏
原文传递
引领科技创新,走出计算机视觉技术的落地之路 被引量:1
5
作者 杨晗之(采访) 贾佳亚(受访) 《张江科技评论》 2019年第2期31-35,共5页
人工智能(AI)代表着未来发展趋势,而计算机视觉则是人工智能最为有力的表现形式,近年来取得了很多突破性成就。计算机视觉技术是人工智能的重要核心技术之一,可广泛应用于安防、金融、互联网、物流、零售、医疗、制造业等领域。目前,我... 人工智能(AI)代表着未来发展趋势,而计算机视觉则是人工智能最为有力的表现形式,近年来取得了很多突破性成就。计算机视觉技术是人工智能的重要核心技术之一,可广泛应用于安防、金融、互联网、物流、零售、医疗、制造业等领域。目前,我国计算机视觉技术水平已达到全球领先水平,广泛的商业化渠道和技术基础使其成为人工智能在中国落地最顺利的技术。未来,计算机视觉技术还将取得哪些突破性进展,有哪些应用场景?这些代表人工智能前沿方向的技术如何真正落地,年轻科研人员如何走好科技成果转化之路?《张江科技评论》采访了计算机视觉领域的领军者、香港中文大学终身教授、腾讯优图实验室杰出科学家贾佳亚。 展开更多
关键词 计算机视觉 人工智能 AI 自动驾驶
下载PDF
双标签监督的几何约束对抗训练
6
作者 曹刘娟 匡华峰 +5 位作者 刘弘 王言 张宝昌 黄飞跃 吴永坚 纪荣嵘 《软件学报》 EI CSCD 北大核心 2022年第4期1218-1230,共13页
近年来的研究表明,对抗训练是一种有效的防御对抗样本攻击的方法.然而,现有的对抗训练策略在提升模型鲁棒性的同时会造成模型的泛化能力下降.现阶段主流的对抗训练方法通常都是独立地处理每个训练样本,而忽略了样本之间的关系,这使得模... 近年来的研究表明,对抗训练是一种有效的防御对抗样本攻击的方法.然而,现有的对抗训练策略在提升模型鲁棒性的同时会造成模型的泛化能力下降.现阶段主流的对抗训练方法通常都是独立地处理每个训练样本,而忽略了样本之间的关系,这使得模型无法充分挖掘样本间的几何关系来学习更鲁棒的模型,以便更好地防御对抗攻击.因此,重点研究如何在对抗训练过程中保持样本间的几何结构稳定性,达到提升模型鲁棒性的目的.具体而言,在对抗训练中,设计了一种新的几何结构约束方法,其目的是保持自然样本与对抗样本的特征空间分布一致性.此外,提出了一种基于双标签的监督学习方法,该方法同时采用自然样本和对抗样本的标签对模型进行联合监督训练.最后,分析了双标签监督学习方法的特性,试图从理论上解释对抗样本的工作机理.多个基准数据集上的实验结果表明:相比于已有方法,该方法有效地提升了模型的鲁棒性且保持了较好的泛化精度.相关代码已经开源:https://github.com/SkyKuang/DGCAT. 展开更多
关键词 深度学习 模型鲁棒性 对抗训练 几何约束 双标签监督
下载PDF
拥抱产业智能共建模型生态
7
作者 吴运声 《数字经济》 2023年第11期32-35,共4页
数字科技正以前所未有的速度改变着我们的世界。在这个充满机遇和挑战的时代,人工智能(AI)作为引领变革的核心引擎,正以惊人的力量推动着各行各业的进步与创新。大语言模型的崛起,更是为AI赋予了解锁人类智慧的钥匙,引领着我们进入一个... 数字科技正以前所未有的速度改变着我们的世界。在这个充满机遇和挑战的时代,人工智能(AI)作为引领变革的核心引擎,正以惊人的力量推动着各行各业的进步与创新。大语言模型的崛起,更是为AI赋予了解锁人类智慧的钥匙,引领着我们进入一个又一个崭新的迦蓝之地。 展开更多
关键词 语言模型 人类智慧 机遇和挑战 引领
原文传递
基于人脸识别的影视剧镜头自动标注及重剪系统
8
作者 郎玥 周霁婷 +1 位作者 梁小龙 张文俊 《上海大学学报(自然科学版)》 CAS CSCD 北大核心 2017年第3期353-363,共11页
利用基于深度学习的人脸识别技术,建立了一种基于人脸识别的影视剧镜头自动标注及重剪系统,用于实现影视剧重编辑过程中对镜头片段更好地管理、查找和重剪.先对输入的影视剧视频进行镜头检测和分割,获得并建立分镜参数.在此基础上,对镜... 利用基于深度学习的人脸识别技术,建立了一种基于人脸识别的影视剧镜头自动标注及重剪系统,用于实现影视剧重编辑过程中对镜头片段更好地管理、查找和重剪.先对输入的影视剧视频进行镜头检测和分割,获得并建立分镜参数.在此基础上,对镜头中出现的所有人脸进行检测和切割,并采用预先训练好的包含350多位明星特征的模型库予以身份识别,聚类后实现镜头的演员标注.该系统也可依据指定演员对影视剧进行搜索,并将其中所有包含该演员的片段自动重剪在一起.实验结果表明,该系统镜头分割模块的平均召回率达到95%以上,对45?以内的人脸识别率达到92.45%,且具有良好的鲁棒性. 展开更多
关键词 人脸检测 人脸识别 镜头分割 深度学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部