题名 基于改进三元组损失的伪造人脸视频检测方法
被引量：3
1
作者
杨挺 朱希安 张帆
机构
北京信息科技大学光电测试技术及仪器教育部重点实验室 北京信息科技大学信息与通信工程学院
出处
《计算机应用研究》
CSCD
北大核心
2021年第12期3771-3775,共5页
基金
国家自然科学基金资助项目(61671069,62001033,62001034) 北京信息科技大学“勤信人才”培育计划资助项目(QXTCPA201902) +1 种基金 北京市教委面上项目(KM202011232021) 北京信息科技大学校基金资助项目(2025017)。
文摘
当前大部分伪造人脸检测技术使用深度学习来鉴别真实视频与伪造视频之间的特征差异,此类方法在未压缩视频上取得了不错的效果,但在检测经过压缩处理的视频时检测效果就会严重下降。针对此类问题,提出了基于改进三元组损失的伪造人脸视频检测方法。首先,使用伪影图生成器生成一幅伪影图来加深伪造人脸与真实人脸之间的特征差异;其次,使用改进的三元组损失来解决难例样本难以被正确检测的问题;最后,选用更适合人脸鉴伪的深度学习网络提取卷积特征。在FaceForensics++数据集上与目前领先的人脸鉴伪方法的对比表明,该方法检测准确率优于对比方法。
关键词
深度学习 人脸鉴伪 改进的三元组 损失 卷积神经网络 难 例样本
Keywords
deep learning fake face detection improved triplet loss convolutional neural network(CNN) hard samples
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于难样本挖掘的孪生网络目标跟踪
被引量：1
2
作者
亢洁 孙阳 沈钧戈
机构
陕西科技大学电气与控制工程学院 西北工业大学无人系统技术研究院
出处
《计算机应用研究》
CSCD
北大核心
2021年第4期1216-1219,1223,共5页
基金
国家自然科学基金资助项目(61603233) 西安市科技计划资助项目(2019216514GXRC001CG002-GXYD1.7)。
文摘
为了解决全卷积孪生网络目标跟踪算法(SiamFC)在复杂环境下容易出现跟踪漂移甚至跟踪失败的问题,提出了一种基于难样本挖掘的孪生网络目标跟踪方法。该方法在SiamFC算法的基础上,首先利用特征融合模块进行特征融合,以提高特征表征的鲁棒性,然后引入一个新的损失函数,加强网络对难样本的学习能力并缓解正负样本不平衡的问题。为验证该方法的有效性,在OTB2015和GOT10k数据集上对算法进行测试实验。实验结果表明,在OTB2015数据集上该方法比SiamFC算法在成功率上提高2.6%,精度上提高2%;在GOT10k数据集上该方法的mAO为0.429,相比SiamFC算法提高了3.7%,在光照变化、目标形变、相似背景干扰情况下具有更好的表现。
关键词
孪生网络 目标跟踪 特征融合 损失 函数 难 样本 挖掘
Keywords
Siamese network object tracking feature fusion loss function hard sample mining
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于改进损失函数的实体类别平衡优化算法
被引量：2
3
作者
张俸玺 吴丞楚 张运泽 董洛兵
机构
西安电子科技大学通信工程学院 西安电子科技大学计算机科学与技术学院
出处
《广西科学》
CAS
北大核心
2023年第1期100-105,共6页
基金
国家级大学生创新创业训练计划项目(202110701085)资助。
文摘
针对自然语言处理(Natural Language Processing,NLP)任务中,命名实体识别(Named Entity Recognition,NER)存在实体类别样本不平衡的问题,提出一种基于改进损失函数的实体类别平衡优化算法。新算法是对神经网络模型中的损失函数进行优化处理,通过分析命名实体识别数据特点,在平衡正负样本的基础上引入平滑系数和权重系数,保证模型在梯度传递的过程更关注于实体类别较少和带有嵌套的难识别样本,同时减少对样本数较多的、易识别样本的关注。利用公共数据集ACE05、MSRA进行实验对比,结果表明改进的损失函数在数据集ACE05和MSRA上,F 1值分别提高1.53%和0.91%。上述结果表明改进的损失函数能够较好地缓解实体中正负难易样本的不平衡。
关键词
自然语言处理 命名实体识别 损失 函数 平滑系数 神经网络 难 易样本
Keywords
natural language processing named entity recognition loss function smoothing coefficient neural networks difficult and easy examples
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 结合数据增强的跨模态行人重识别轻量网络
被引量：1
4
作者
曹钢钢 王帮海 宋雨
机构
广东工业大学计算机学院
出处
《计算机工程与应用》
CSCD
北大核心
2024年第8期131-139,共9页
基金
国家自然科学基金面上项目(62072119)。
文摘
现有的跨模态行人重识别方法中,轻量化网络的相关研究较少。考虑到硬件部署对轻量化网络的需求,提出新的跨模态行人重识别轻量网络。以Osnet为基础,进行特征提取器和特征嵌入器的拆分。同时使用数据增强操作,利用有限的数据集,最大程度提高了网络的鲁棒性。改进难样本三元组损失函数,在减少计算量的同时缩小模态间差异,提升网络识别准确率。提出的轻量化网络结构简单且效果显著,在SYSU-MM01数据集的全搜索模式下rank-1/mAP分别达到65.56%、61.36%,参数量仅为1.92×10^(6)。
关键词
深度可分离卷积 行人重识别 轻量化网络 难样本三元组损失函数
Keywords
depth separable convolution person re-identification lightweight network hard triplet loss function
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于动态卷积与注意力的多特征融合行人重识别
被引量：2
5
作者
耿韶松 李晋国
机构
上海电力大学计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2023年第4期1228-1234,共7页
基金
国家自然科学基金项目(61702321、U1936213)。
文摘
为能够准确利用图像中有效特征,提取判别性较高的信息区分特征相近的行人,提出一种基于动态卷积和注意力机制的多分支网络。将动态卷积核作用于ResNet50网络中,使动态卷积中的注意力机制与网络中的通道和空间注意力共同作用,通过不同分支得到相应局部特征,融合得到高判别性特征进行分类匹配。在CUHK03、DuckMTMC-reID、Market-1501数据集上进行验证实验,其结果表明了所提模型的优越性。
关键词
行人重识别 动态卷积 通道注意力机制 空间注意力机制 多特征融合 难 样本 三元组 损失 多分支网络
Keywords
person re-identification dynamic convolution channel attention mechanism spatial attention mechanism multi-feature fusion triplet loss with batch hard mining multi-branch network
分类号
TP391
[自动化与计算机技术—计算机应用技术]
