[发明专利]一种图像隐写分析方法、智能终端及存储介质

权利要求书

1.一种图像隐写分析方法，其特征在于，所述图像隐写分析方法包括：

使用预先建立的训练数据集训练得到第一图像隐写分析模型；

对所述第一图像隐写分析模型的卷积核进行裁剪，去除部分卷积核通道，生成第二图像隐写分析模型；

所述对所述第一图像隐写分析模型的卷积核进行裁剪具体包括：

对所述第一图像隐写分析模型中的各个卷积层的卷积核进行裁剪试验，获取所述各个卷积层对应的目标卷积核裁剪率；

根据所述各个卷积层分别对应的所述目标卷积核裁剪率裁剪所述各个卷积层中的卷积核；

所述对所述第一图像隐写分析模型中的各个卷积层的卷积核进行裁剪试验，获取所述各个卷积层对应的目标卷积核裁剪率具体包括：

按照预设步长逐步裁剪目标卷积层的卷积核，并获取每次裁剪后所述第一图像隐写分析模型的输出准确率；

获取当所述输出准确率达到预设阈值时对应的卷积核裁剪率作为所述目标卷积层的所述目标卷积核裁剪率；

对所述第二图像隐写分析模型进行初始化训练，生成第三图像隐写分析模型；

根据所述第三图像隐写分析模型进行图像隐写分析；

其中，所述训练数据集中的数据为经过隐写信息嵌入的图像。

2.根据权利要求1所述的图像隐写分析方法，其特征在于，所述使用预先建立的训练数据集训练得到第一图像隐写分析模型具体包括：

使用预先建立的训练数据集对多个基础图像隐写分析模型进行初始化训练；

获取训练过程中产生的模型数据，根据所述模型数据获取所述第一图像隐写分析模型。

3.根据权利要求1所述的图像隐写分析方法，其特征在于，所述获取每次裁剪后所述第一图像隐写分析模型的输出准确率具体包括：

获取每次裁剪后所述第一图像隐写分析模型对预设的验证数据集的输出准确率；

其中，所述验证数据集中的数据为经过与所述训练数据集中的图像同样的隐写嵌入处理的图像。

4.根据权利要求1所述的图像隐写分析方法，其特征在于，所述按照预设步长逐步裁剪所述目标卷积层的卷积核具体包括：

对所述目标卷积层进行残差结构分析，根据所述目标卷积层的残差结构确定所述目标卷积层对应的裁剪算法；

根据所述目标卷积层对应的所述裁剪算法按照所述预设步长裁剪所述目标卷积层的卷积核；

其中，所述裁剪算法包括Thinet算法和Li范数算法。

5.根据权利要求4所述的图像隐写分析方法，其特征在于，所述根据所述各个卷积层分别对应的所述目标卷积核裁剪率裁剪所述各个卷积层中的卷积核包括：

根据所述各个卷积层分别对应的所述目标卷积核裁剪率和所述裁剪算法裁剪所述各个卷积层中的卷积核。

6.根据权利要求1所述的图像隐写分析方法，其特征在于，所述对所述第二图像隐写分析模型进行初始化训练具体包括：

获取所述第一图像隐写分析模型和所述第二图像隐写分析模型的浮点计算量的差异量；

根据所述差异量对所述第一图像隐写分析模型的迭代次数进行对应处理，获取所述第二图像隐写分析模型对应的训练迭代次数；

根据所述训练迭代次数对所述第二图像隐写分析模型进行初始化训练。

7.一种智能终端，其特征在于，所述智能终端包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述权利要求1-6任一项所述的图像隐写分析方法。

8.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1-6任意一项所述的图像隐写分析方法。