针对图像隐写分析的卷积神经网络结构改进

摘要：

针对目前图像隐写分析准确率较低的问题,构建一个基于多层感知卷积层的卷积神经网络隐写分析模型.使用多层感知卷积层代替传统的线性卷积层,提高模型的非线性能力,提取载体/隐写图像更抽象的特征.采用全局平均池化层代替全连接层,以减少网络的参数并提高模型的训练效率.实验结果表明,相比传统的图像隐写分析算法和现有的卷积神经网络隐写分析模型,该模型能够有效提高隐写分析的检测准确率,对S-UNIWARD嵌入算法的隐写分析检测准确率达到90.87％.

关键词：隐写分析、卷积神经网络、多层感知卷积层、池化层、全连接层

所属期刊栏目：44

分类号：TP309.2(计算技术、计算机技术)

资助基金：国家自然科学基金61403417

在线出版日期：2018-12-21（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：309-313