多数据集深度学习模型的修图处理识别

摘要：

图像处理软件的飞速发展,带动了移动应用领域一大批修图、美化应用的兴起.但是修图、美化软件的快速发展和普及也带来了一些社会问题和安全问题,如网恋对象严重失真,摄影作品造假等.针对手机中的修图处理APP软件,提出一种基于多数据集特征学习的神经网络模型,并给出其网络拓扑结构.区别于传统的多个神经网络并行操作,提出的网络模型具有共享模型参数的特征,能同时对多个特征数据集进行深度学习,使检测程序具备多特征识别能力.此外,还提出了一种针对多任务网络模型的损失函数,以增强深度特征学习的能力.实验结果表明,提出方法的准确率较传统方法有较大提升,同时泛化性能优越,能识别出经过多种美图、修图软件修复过的图像.

关键词：多数据集学习、修图识别、深度学习、神经网络设计、图像处理

所属期刊栏目：14

分类号：TP309(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61602253 国家自然科学基金;the Humanities and Social Sci-ences Project of the Ministry of Education of China under Grant No. 18YJC760112 教育部人文社科基金;the Social Science Fund of Jiangsu Province under Grant No. 18YSD002 江苏省人文社科基金;the Jiangsu University Philosophy and Social Science Re-search Project under Grant No. 2015SJD344 江苏高校哲学社会科学研究项目

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：252-259