[发明专利]一种基于深度神经网络的图像溯源特征表征方法

摘要

本发明涉及一种基于深度神经网络的图像溯源特征表征方法，基于传统VGG16卷积神经网络为基础，构建新卷积神经网络，并应用内容不同、分辨率大小不一的图片作为训练数据集，作为新卷积神经网络的输入，并结合新损失函数，针对新卷积神经网络进行训练，使得该网络对不同分辨率的同一图像的特征表征一致，即获得目标卷积神经网络，在实际应用中，使得同一内容图片在不同分辨率下的特征表征一致，不同内容图片之间的特征表征不同，进而拥有同一内容、不同分辨率图片之间相似度增大，不同图片之间相似度降低的优点，进而显著提升图像特征的鲁棒性。

主权项

1.一种基于深度神经网络的图像溯源特征表征方法，用于实现目标图像溯源特征的提取，其特征在于，包括如下步骤：/n步骤A.以VGG16卷积神经网络为基础，针对第二卷积层的输出、第四卷积层的输出、第七卷积层的输出，分别对接下采样模块，且各下采样模块的下采样比例随卷积层的序号顺序降低；/n同时针对第四池化层、第五池化层分别应用全局平均池化；然后将各采样模块的输出、以及第四池化层的输出、第五池化层的输出对接全连接层，最后全连接层的输出对接分类层，分类层以Cosine Loss函数作为目标函数，由此构建待训练卷积神经网络，然后进入步骤B；/n步骤B.以不同内容的图像归为不同类，同一内容所对应的不同尺寸图像归为相同类的规则，采用训练数据集针对待训练卷积神经网络进行训练，获得目标卷积神经网络，然后进入步骤C；/n步骤C.去除目标卷积神经网络中的分类层，更新目标卷积神经网络，然后进入步骤D；/n步骤D.应用目标卷积神经网络，针对目标图像进行处理，由其中的全连接层输出目标图像的溯源特征向量，实现目标图像溯源特征的提取。/n