公开(公告)号：CN110503157A

公开(公告)日：2019-11-26

申请号：CN201910797717.6

申请日：2019-08-27

Applicant: 安徽大学

Inventor： 陈志立 ,  任帅 ,  吴福虎 ,  仲红

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06F21/60

Abstract: 本发明公开了一种基于细粒度图像的多任务卷积神经网络的图像隐写分析方法，其步骤包括：1获取数据集，对数据集进行处理；2搭建多任务卷积神经网络模型；3训练多任务卷积神经网络；4利用训练好的网络模型对其他测试集图像进行隐写分析，以此判断图像是否为载密图像。本发明首次将显著性检测技术和隐写分析相结合，把提取的细粒度图像作为输入，采用并行训练的方式已达到共享数据源中的不同信息，同时通过修改卷积核的步长从而没有使用池化操作，从而避免了图像特征的丢失，提高了网络的检测精度。

公开(公告)号：CN110490265A

公开(公告)日：2019-11-22

申请号：CN201910785906.1

申请日：2019-08-23

Applicant: 安徽大学

Inventor： 陈志立 ,  杨保华 ,  吴福虎 ,  仲红

IPC: G06K9/62 ,  G06K9/46

Abstract: 本发明公开了一种基于双路卷积和特征融合的图像隐写分析方法，其步骤包括：1、构建图像隐写分析的深度学习网络框架；2、图像数据集的准备；3、网络的初始化；4、网络的训练及其验证。本发明能通过两路卷积神经网络自动提取更丰富、更精确的图像特征，根据特征判断图像是否存在隐藏信息，从而能以较高的准确率区分载体图像和载密图像。