专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果5个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于扩散模型的生成式图像隐写方法-CN202310715988.9有效
  • 崔绪彤;袁程胜;董晓华;廖灵芝 - 南京信息工程大学
  • 2023-06-16 - 2023-08-22 - H04N1/32
  • 本发明公开了一种基于扩散模型的生成式图像隐写方法,涉及信息安全技术领域,主要分为载密图片生成和秘密信息提取两部分,载密图片生成的过程为:1、秘密信息加密;2、划分秘密信息子块;3、将每个秘密信息子块映射到隐空间,生成隐向量;4、将隐向量输入到扩散模型中生成载密图片。秘密信息提取的过程为:1、读取载密图片数据并输入到提取网络中以恢复出隐向量;2、提取隐向量中的秘密信息;3、将秘密信息映射成二进制比特流;4、解密得到秘密信息。从而使得本发明在保证高隐写容量的同时,也保证了隐写图片的生成质量和更高的秘密信息提取率。
  • 一种基于扩散模型生成图像方法
  • [发明专利]基于少样本对比学习网络的隐写分析方法、设备及介质-CN202211462057.4在审
  • 尹子豪;周志立;袁程胜;孟若涵;廖灵芝 - 南京信息工程大学
  • 2022-11-21 - 2023-04-07 - G06T1/00
  • 本发明公开了一种基于少样本对比学习网络的隐写分析方法、设备及介质,其中方法针对少量的隐写图像数据对,用数据增强的方式生成多组额外可用的训练样本;随机挑选一对载体图像和含秘图像,两者相减获得残差图像,将上述三张图像与以及另一张无关的载体图像组成一组训练数据,并以锚点样本、负样本、正样本、指导样本的形式输入对比学习网络。网络先进行特征提取,分别对锚点样本、正样本、负样本是否为含秘图像进行分类,并计算分类损失;对输入的锚点样本、正样本、负样本的特征向量计算对比损失;对输入的负样本、指导样本的特征向量计算对比指导损失;结合分类损失、对比损失和对比指导损失优化网络;抽取网络结构中的一个分支作为应用网络。
  • 基于样本对比学习网络分析方法设备介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top