【摘 要】
：
卷积神经网络在隐写分析领域取得了一系列进展,但现有网络结构大多都是专用隐写分析,只针对某一类隐写算法有效。为了提高模型的泛化能力,提出了一种基于新残差网络的图像隐写分析算法。构建了残差分组融合网络结构(W-R2N),采用分组融合的方式来提高提取多尺度特征的能力,增大每层网络的感受野范围,并且增加每组卷积的对角相关性。相对于Xu-Net和SRNET在S-UNIWARD嵌入率为0.4 bpp情况下隐写
【机 构】
：
武警工程大学网络与信息安全武警部队重点实验室
论文部分内容阅读
卷积神经网络在隐写分析领域取得了一系列进展,但现有网络结构大多都是专用隐写分析,只针对某一类隐写算法有效。为了提高模型的泛化能力,提出了一种基于新残差网络的图像隐写分析算法。构建了残差分组融合网络结构(W-R2N),采用分组融合的方式来提高提取多尺度特征的能力,增大每层网络的感受野范围,并且增加每组卷积的对角相关性。相对于Xu-Net和SRNET在S-UNIWARD嵌入率为0.4 bpp情况下隐写分析准确率分别提高了17.13%和0.81%。实验结果表明,相对于现有卷积神经网络,该模型泛化能力更好,
其他文献
针对现有任务分配策略的不足,提出了一种面向延迟接受的移动群智感知多任务分配策略。首先,基于平台和工人的不同需求,提出了一种方法实现任务和工人的双向匹配。其次,考虑到任务的紧急性,设计了一种混合延迟接受算法。最后,为了验证所提策略的性能,将其与两种基准的任务分配方法进行了比较。实验结果表明,所提任务分配策略在提高平台效用和工人满意度方面是有效的。
针对现有虚拟人仿真技术在船舶狭小空间维修作业中存在的效率低下、需要较多人工干预、仿真成本高等问题,提出一种虚拟人姿态混合建模仿真技术。根据狭小空间中人体维修作业的特点,将虚拟人姿态建模分为虚拟人躯干及下肢姿态建模与虚拟人手臂姿态建模两部分。首先,提出一种基于姿态库的狭小空间姿态自动匹配算法,以确定虚拟人在狭小空间中的操作位置与姿态;在此基础上,建立多目标优化模型对手臂姿态进行求解,并实现维修仿真姿
方面级情感分析广泛应用于商品评价、餐饮、电商决策等,该任务的一个核心点是方面词提取。目前常用方法是用观点词来辅助提取方面词对文本进行序列标注,或使用跨度标记法预测方面词开始与结束的位置。这些方法没有考虑到观点词提取、情感极性分类对方面词提取的影响。针对这个问题提出一种用于方面提取的多元关系协作学习模型,利用观点词提取、方面词提取、情感极性分类间的关系建模,在关系中实现多任务的协作学习与联合训练。在
针对当前主流视觉问答(visual question answering,VQA)任务使用区域特征作为图像表示而面临的训练复杂度高、推理速度慢等问题,提出一种基于复合视觉语言的卷积网络(composite visionlinguistic convnet,CVlCN)来对视觉问答任务中的图像进行表征。该方法将图像特征和问题语义通过复合学习表示成复合图文特征,然后从空间和通道上计算复合图文特征的注意
研究如何充分利用海量用户浏览行为数据,构建更加精确的推荐算法和模型,以提高推荐系统性能,是目前个性化推荐领域研究的热点。针对这些问题,首先对用户的浏览行为进行了简要概括表述,给出了基于浏览行为推荐系统的总体框架,回顾总结了基于用户浏览行为的推荐系统的发展历程。对其关键技术和单一浏览行为量化方法与混合浏览行为量化方法进行总结、对比和分析。最后讨论了结合多源异构数据的浏览行为推荐的最新成果,总结了该领
混合图像分割算法所包含的两个部件中,初始分割不能形成低误分割率的过分割区域集,而区域合并存在缺少区域合并标号选择机制,且存在确定区域合并停止时刻的方式常不满足场景需求的不足。针对以上问题,提出一种基于多级区域信息融合的混合图像分割算法(MRIHS)。首先,使用改进的马尔可夫模型平滑超像素块,以形成初始分割区域;其次,在对初始分割区域进行相似性度量并选定待合并区域对后,利用设计出的区域标号选择机制来
为解决逻辑Petri网不能详尽地描述模型在规定时间点变迁引发和引发完成的时间问题,提出逻辑时延Petri网。首先在普通变迁的基础上引入变迁的引发时间和变迁完成时间形成决策变迁,为每个token定义到达时间和自身时间属性等;其次重新定义引发规则和可达图算法,并针对决策变迁和可达图生成进行算法描述;最后使用逻辑时延Petri网对停车预订系统进行建模,构建可达图分析系统中重分配问题以及车位的利用率等问题
当前函数型数据分析更多关注于函数的振幅变化而忽略相位变化,很多场合下,相位变化中含有对统计分析有用的信息。基于偏最小二乘法提出了相幅组合的函数型数据特征提取方法,首先使用函数对齐技术获得刻画相位变化的时间弯曲函数,再将对齐函数和弯曲函数通过分段函数的方式重新组合,最后利用偏最小二乘法提取相幅组合函数的成分特征,并应用在回归和分类模型上。实验结果表明,与主成分分析方法相比,所提方法具有更优越的预测性
提出了一种新的面向图的一致性多视角稀疏聚类框架,该方法先将多视角数据分解为一致性与不一致性部分;然后采用相似性度量方法与KNN (K-nearest neighbor)算法对多视角数据进行分解与融合;再运用稀疏表示学习多视角图的一致性相似矩阵,进而通过谱聚类获取聚类结果。最后,设计并实现了一种交替迭代优化算法求解目标函数,并在八个多视角数据集上通过对比实验验证了该方法的有效性。
目前情感分析模型通常使用word2vec、Glo Ve等方法生成静态词向量,并且传统的卷积或循环深度模型无法完整地关注上下文,提取特征不充分,影响情感判断。针对上述问题,提出基于ELMo(embedding from language model)和双向自注意力网络(bidirectional self-attention network,Bi-SAN)的中文文本情感分析模型。首先通过ELMo语言