申请/专利权人:新疆大学
申请日:2023-11-10
公开(公告)日:2024-04-26
公开(公告)号:CN117932391A
主分类号:G06F18/24
分类号:G06F18/24;G06F18/25;G06F18/213;G06F18/214;G06V20/30;G06V10/44;G06N3/0455;G06N3/0464;G06N3/0895;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种多模态虚假信息检测方法,涉及多模态虚假信息检测技术领域,包括以下步骤:对推文中包含的图片和文本进行数据增强处理;将原图片和处理后的图片输入至图片编码器ResNet50,获得图片隐藏向量,并将原文本和处理后的文本输入至文本编码器BERT,获得文本隐藏向量;将图片隐藏向量和文本隐藏向量输入至图文特征融合编码器Transformer,对图文编码进行融合,获得多模态融合特征;将多模态融合特征输入至注意力层和全连接层中,获得用于学习的多模态特征;将多模态特征输入到训练目标中,完成多模态虚假信息检测模型的训练。本发明解决了现有技术在目标训练和样本选择上存在缺陷,导致检测结果准确度较低的问题。
主权项:1.一种多模态虚假信息检测方法,其特征在于,包括以下步骤:S1:对推文中包含的图片和文本进行数据增强处理;S2:将原图片和处理后的图片输入至图片编码器ResNet50,获得图片隐藏向量,并将原文本和处理后的文本输入至文本编码器BERT,获得文本隐藏向量;S3:将图片隐藏向量和文本隐藏向量输入至图文特征融合编码器Transformer,对图文编码进行融合,获得多模态融合特征;S4:将多模态融合特征输入至注意力层和全连接层中,获得用于学习的多模态特征;S5:将用于学习的多模态特征输入到训练目标中,完成多模态虚假信息检测模型的训练;S6:对完成训练的多模态虚假信息检测模型进行测试,根据模型的分类结果,获得最终的多模态虚假信息检测模型,完成多模态虚假信息的检测。
全文数据:
权利要求:
百度查询: 新疆大学 一种多模态虚假信息检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。