基于多示例学习图卷积网络的隐写者检测OA北大核心CSTPCD
隐写者检测通过设计模型检测在批量图像中嵌入秘密信息进行隐蔽通信的隐写者,对解决非法使用隐写术的问题具有重要意义.本文提出一种基于多示例学习图卷积网络(Multiple-instance learning graph convolutional network,MILGCN)的隐写者检测算法,将隐写者检测形式化为多示例学习(Multiple-instance learning, MIL)任务.本文中设计的共性增强图卷积网络(Graph convolutional network, GCN)和注意力图读出模块能够自适应地突出示例包中正示例的模式特征,构建有区分度的示例包表征并进行隐写者检测.实验表明,本文设计的模型能够对抗多种批量隐写术和与之对应的策略.
钟圣华;张智;
深圳大学计算机与软件学院,深圳518060深圳大学计算机与软件学院,深圳518060 香港理工大学电子计算学系,中国香港999077
计算机与自动化
图像隐写者检测图卷积网络多示例学习示例包表征
《自动化学报》 2024 (004)
P.771-789 / 19
广东省自然科学基金(2023A1515012685,2023A1515011296);国家自然科学基金(62002230,62032015)资助。
评论