公开(公告)号：CN111325687B

公开(公告)日：2022-10-14

申请号：CN202010092761.X

申请日：2020-02-14

Applicant: 上海工程技术大学

Inventor： 张玉金 ,  余洛 ,  张立军 ,  吴飞

IPC: G06T5/00 ,  G06V10/77 ,  G06V10/764

Abstract: 本发明涉及一种基于端对端深度网络的平滑滤波取证方法，包括步骤：1)读取待取证的灰度图像，利用卷积神经网络提取灰度图像的局部特征，每个卷积之后的特征通过ReLu激活函数进行激活；2)利用Inception‑Residual模块提取局部特征的深层次特征，并利用Reduction模块进行降维；3)利用压缩奖惩模块提取全局信息，自适应选择有效特征；4)通过分类模块对整个网络进行训练；5)利用训练好的网络模型对待检测的图像进行平滑滤波取证。与现有技术相比，本发明具有普适性好、检测精度高、抑制与平滑滤波效应无关的图像内容影响等优点。

公开(公告)号：CN111325687A

公开(公告)日：2020-06-23

申请号：CN202010092761.X

申请日：2020-02-14

Applicant: 上海工程技术大学

Inventor： 张玉金 ,  余洛 ,  张立军 ,  吴飞

IPC: G06T5/00 ,  G06K9/62

Abstract: 本发明涉及一种基于端对端深度网络的平滑滤波取证方法，包括步骤：1)读取待取证的灰度图像，利用卷积神经网络提取灰度图像的局部特征，每个卷积之后的特征通过ReLu激活函数进行激活；2)利用Inception-Residual模块提取局部特征的深层次特征，并利用Reduction模块进行降维；3)利用压缩奖惩模块提取全局信息，自适应选择有效特征；4)通过分类模块对整个网络进行训练；5)利用训练好的网络模型对待检测的图像进行平滑滤波取证。与现有技术相比，本发明具有普适性好、检测精度高、抑制与平滑滤波效应无关的图像内容影响等优点。