Abstract：
针对目前基于卷积神经网络的图像隐写分析模型在低嵌入率下检测效果不太理想的问题,本文提出一种新的卷积神经网络.网络的预处理层在参与网络学习的同时,保持残差的提取形式;卷积层通过改变卷积核的大小和步长来代替池化层,同时配合使用大、小尺寸的卷积核提取隐写特征,并采用优化后的激活函数和批量归一化来提高网络的收敛性能;最后融合三种用不同滤波器训练的网络模型得到分类结果.实验结果表明,所提网络模型对WOW、S-UNIWARD和HUGO三种隐写算法的检测率在多数情况下优于现有方法,尤其在低嵌入率下有较高的隐写分析准确率.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福建电脑
ISSN： 1673-2782
Year： 2022
Issue： 9
Volume： 38
Page： 1-6
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
