融合压缩与激励模块的残差网络图像遮蔽识别

摘要：

利用PS等技术进行图像篡改行为盛行.居心叵测之人为遮掩篡改痕迹加入噪音,模糊等遮蔽处理.针对上述遮蔽处理,收集四类人脸数据集,生成加入泊松噪音,均匀噪音,高斯模糊,中值滤波,图像压缩的五类遮蔽处理后的图像,形成对比样本.ResNet网络收敛不平滑,速度较慢.改进SE_ResNet网络在 8 个残差模块内均添加一层全局平均池化、两层全连接层、一层Sigmoid激活函数.利用压缩和激励操作对参数进行重标定,逐轮迭代调整学习率和梯度下降动量大小.总体网络由一层卷积层,四层包含八个改进残差模块的网络层,和全连接分类层构成.加入随机失活层和SGD权重衰减参数防止过拟合.对 5 类遮蔽篡改后图像识别准确率达 92.50%.

关键词：压缩与激励、残差网络、图像遮蔽识别

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家社会科学基金20AZD114

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：210-214