发明名称 |
一种基于深度学模型的隐写图像检测方法及系统 |
摘要 |
本发明公开了一种基于深度学模型的隐写图像检测方法及系统,方法包括:预先设置拟合分析数字图像隐写富模型特征的初始深度学模型;选取有监督的预训练算法对初始深度学模型进行预训练后得到预训练深度学模型;整合预训练深度学模型和深度分类网络生成整合深度学模型,根据预先获取的训练数据集对整合深度学模型进行训练后生成最终深度学模型,根据最终深度学模型对隐写图像进行检测,输出检测结果。本发明可以准确的区分隐密图像和载体图像能力,而且数据计算维度低,计算量小,提高了隐写图像检测速度。 |
申请公布号 |
CN106530200A |
申请公布日期 |
2017.03.22 |
申请号 |
CN201610923908.9 |
申请日期 |
2016.10.23 |
申请人 |
深圳大学 |
发明人 |
曾吉申;谭舜泉;李斌;黄继武 |
分类号 |
G06T1/00(2006.01)I |
主分类号 |
G06T1/00(2006.01)I |
代理机构 |
深圳市君胜知识产权代理事务所(普通合伙) 44268 |
代理人 |
王永文;刘文求 |
主权项 |
一种基于深度学习模型的隐写图像检测方法,其特征在于,所述方法包括步骤:A、预先设置拟合分析数字图像隐写富模型特征的初始深度学习模型;B、选取有监督的预训练算法对初始深度学习模型进行预训练后得到预训练深度学习模型;C、整合预训练深度学习模型和深度分类网络生成整合深度学习模型,根据预先获取的训练数据集对整合深度学习模型进行训练后生成最终深度学习模型,根据最终深度学习模型对隐写图像进行检测,输出检测结果。 |
地址 |
518054 广东省深圳市南山区南海大道3688号 |