基于内容的视频镜头检测技术木

阐述了视频镜头检测的基本原理,详细讨论了非压缩域和压缩域的典型镜头检测方法,对这些算法从全率和查准率两个方面进行了比较与评价,指出了视频镜头检测技术的研究方向.     

进化神经网络间接编码方法的计算框架研究

针对传统的直接编码方法对大规模神经网络难以进化的问题,研究者提出了进化神经网络的间接编码方法,这类方法的核心思想是网络子结构的重复可通过一组基因的多次表达来实现从基因型到表现型的映射,这种基因重用机制可在较小的基因空间中进行大规模神经网络的快速搜索.本文在总结和分析各类间接编码实现方法的基础上,给出了进化神经网络间接编码方法的一般性计算框架,每一次神经网络的进化过程分为三个阶段:发育阶段、学习阶段和进化阶段.并从计算框架的基因组进化过程和神经网络发育过程两个方面比较分析了各种典型间接编码方法的优缺点.     

基于深度特征提取和图神经网络匹配的图像复制粘贴篡改检测

针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN) 匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD) 算法。首先将图像进行多尺度超像素分割并提取深度特征,为保证特征点数目充足,以超像素为单位计算特征点分布的均匀度,自适应降低特征提取阈值;随后引入新的基于注意力机制的GNN特征匹配器,进行超像素间的迭代匹配,且用随机采样一致性(random sample consensus,RANSAC) 算法消除误匹配;最后将多尺度匹配结果进行融合,精确定位篡改区域。实验表明,所提算法具有良好的性能,也证明了GNN在图像篡改检测领域的可用性。     

基于内容的视频镜头检测技术

阐述了视频镜头检测的基本原理,详细讨论了非压缩域和压缩域的典型镜头检测方法,对这些算法从全率和查准率两个方面进行了比较与评价,指出了视频镜头检测技术的研究方向。