【技术实现步骤摘要】
本专利技术涉及图像隐写，尤其涉及一种隐写图像分析方法和系统。
技术介绍
1、隐写是信息保护的常用手段之一，图像隐写是在不损害其视觉外观的情况下将秘密信息嵌入载体图像从而避免检测。如何甄别图像中是否包含隐写信息的
2、在基于深度学习的隐写分析领域中，如何实现对隐写图像的精准判断是一项具有挑战性的任务，目前市场上的隐写分析系统通常采用srnet网络进行隐写鉴别，但是随着隐写技术的不断提升，该网络在隐写分析方面存在一些不足，尤其是基于pytorch架构下的srnet的性能存在较大不足。现阶段很多传统的隐写分析系统由于操作复杂、设计繁琐很难高效率的更新和适应隐写术的发展。因此现有的隐写分析系统的性能亟待提高。
技术实现思路
1、鉴于此，本专利技术实施例提供了一种隐写图像分析方法和系统，以消除或改善现有技术中存在的一个或更多个缺陷。
2、本专利技术的一个方面提供了一种隐写图像分析模型的训练方法，该方法包括以下步骤：
3、获取训练样本集，所述训练样本集包含多个样本，...
【技术保护点】
1.一种隐写图像分析模型的训练方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述隐写图像分析模型的训练方法，其特征在于，所述第一SRNet网络模块、所述第二SRNet网络模块和所述第三SRNet网络模块的结构相同并共享参数，所述结构包括：
3.根据权利要求1所述隐写图像分析模型的训练方法，其特征在于，将所述第一特征图输入注意力隐写定位模块生成所述隐写图像中目标位置图像，包括：
4.根据权利要求3所述隐写图像分析模型的训练方法，其特征在于，计算所述第一特征图的均值，计算式为：
5.根据权利要求1所述隐写图像分析...
【技术特征摘要】
1.一种隐写图像分析模型的训练方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述隐写图像分析模型的训练方法，其特征在于，所述第一srnet网络模块、所述第二srnet网络模块和所述第三srnet网络模块的结构相同并共享参数，所述结构包括：
3.根据权利要求1所述隐写图像分析模型的训练方法，其特征在于，将所述第一特征图输入注意力隐写定位模块生成所述隐写图像中目标位置图像，包括：
4.根据权利要求3所述隐写图像分析模型的训练方法，其特征在于，计算所述第一特征图的均值，计算式为：
5.根据权利要求1所述隐写图像分析模型的训练方法，其特征在于，将所述第二特征图输入注意力局部隐写提议模块生成所述隐写图像中包含隐写信息的局部位置图像，包括...
【专利技术属性】
技术研发人员：王刚，杨榆，陈炳存，周琳娜，陈秀波，雷敏，
申请(专利权)人：四川警察学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。