基于集成GoogleNet的图像隐写分析方法

Journal of Tianjing University of Technology and Education（2021）

引用 0|浏览0

暂无评分

摘要

针对现有的图像隐写分析方法易出现高偏差的问题,构建了一种集成GoogleNet(EGN)模型,用于图像隐写分析.该模型以GoogleNet为基础模型,采用变异的方法生成多个变异体网络,并利用集成学习思想将这些神经网络模型集成在一起,进行图像隐写分析.研究表明,该模型与现有的图像隐写分析方法和单一的GoogleNet相比,有效提高了图像隐写分析检测的准确率,对嵌入率为0.4 bpp的S-UNIWARD嵌入算法的图像隐写分析检测准确率达到96.18％.

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要