文献类型：期刊文章

作　　者：叶学义[1] 陈海颖[1] 郭文风[1] 陈华华[1] 赵知劲[1]

YE Xueyi;CHEN Haiying;GUO Wenfeng;CHEN Huahua;ZHAO Zhijin(Key Laboratory of Data Storage and Transmission Technology of Zhejiang Province,School of Communication Engineering,Hangzhou Dianzi University,Hangzhou Zhejiang 310018,China)

机构地区：[1]杭州电子科技大学通信工程学院浙江省数据存储传输及应用技术研究重点实验室,浙江杭州310018

出　　处：《传感技术学报》

基　　金：国家自然科学基金项目(U19B2016,60802047)。

年　　份：2024

卷　　号：37

期　　号：10

起止页码：1746-1753

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前图像隐写深度检测模型中池化等操作造成特征图信息丢失,全局平均池化忽视高阶统计量的问题,提出一个基于全局协方差池化与多尺度特征融合的隐写检测模型:首先用多层小尺度卷积核替换多层感知器中的大尺度卷积核,增强特征表达能力的同时提高卷积计算效率;然后利用空洞卷积构建多尺度特征融合模块,减少模型在池化等过程中导致的细节特征信息损失;最后引入全局协方差池化,通过计算二阶统计量协方差作为最后的特征输出,增强检测模型对细节特征的捕捉能力。实验结果表明在不同的隐写算法和不同的嵌入率下,相比于近期典型的Xu-Net、Yedroudj-Net、Zhu-Net模型,所提模型的检测准确率均有显著提升,即使是与最新的Zhu-Net相比,准确率也提升了2.4%~7.3%。

关 键 词：隐写检测 特征融合  空洞卷积  全局协方差池化  

分 类 号：TP309.2]