[发明专利]一种基于多任务学习卷积神经网络的图像隐写分析方法有效
| 申请号： | 201711401184.2 | 申请日： | 2017-12-22 |
| 公开（公告）号： | CN108596818B | 公开（公告）日： | 2021-10-26 |
| 发明（设计）人： | 余翔宇;谭华彬;梁辉 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T1/00 | 分类号： | G06T1/00;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多任务学习卷积神经网络的图像隐写分析方法：S1、设计包括图像隐写分析主网络和像素点隐写分析分支网络的多任务学习网络模型；S2、对原始图像进行隐写得到隐写图像，保存每张图像的图像隐写分析标签和像素点隐写分析标签；S3、使用高通滤波器对多任务学习网络模型中的第一层卷积层的权值参数进行初始化，其余卷积层使用Xavier方式进行初始化；S4、将步骤S2得到的数据集随机划分为训练集和测试集，应用Adam算法在训练集上对多任务学习网络模型同时进行图像隐写分析和像素点隐写分析有监督的学习训练，在测试集上进行测试，最后保存在测试集上结果最好的模型作为最终模型；S5、使用最终模型对其余新的测试图像进行隐写分析。 | ||
| 搜索关键词： | 一种 基于 任务 学习 卷积 神经网络 图像 分析 方法 | ||
【主权项】：
1.一种基于多任务学习卷积神经网络的图像隐写分析方法，其特征在于，所述方法包括以下步骤：S1、多任务学习网络模型设计：包括图像隐写分析主网络的设计和像素点隐写分析分支网络的设计；S2、数据集的制作：使用隐写算法在设定嵌入率下对原始图像进行隐写得到对应的隐写图像，同时保存每张图像是否有被隐写的图像隐写分析标签和每张图像中每个像素点是否有被改变的像素点隐写分析标签；S3、多任务学习网络模型初始化：使用高通滤波器对多任务学习网络模型中的第一层卷积层的权值参数进行初始化以提取图像的高频信息，其余卷积层使用Xavier方式进行初始化；S4、多任务学习网络模型的训练：将步骤S2中得到的数据集按设定比例随机划分为训练集和测试集，应用Adam算法在训练集上对多任务学习网络模型同时进行图像隐写分析和像素点隐写分析有监督的学习训练，在测试集上进行测试，最后保存在测试集上结果最好的模型作为最终模型；S5、使用在步骤S4中训练得到的在测试集上结果最好的多任务学习网络模型对其余新的测试图像进行隐写分析。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711401184.2/，转载请声明来源钻瓜专利网。
