一种基于SE机制与锚定类中心的D-OpenMax开集溯源方法技术

本发明专利技术提出了一种基于SE机制与锚定中心的D‑OpenMax开集溯源方法。原始图像通过两种分支网络提取浅、深特征，经SE模块加权融合，再由全连接层处理，得特征表示与预测结果。之后，使用D‑OpenMax修正激活向量，并以Softmax归一化算出各类概率。最后，依据未知分数和阈值判定样本是否为未知类。该方法整合多层特征，利用类内紧凑与类间分离，有效提升模型在多设备图像识别中的准确性和鲁棒性，有效应对开放集环境下的溯源问题。

【技术实现步骤摘要】

本专利技术属于计算机视觉、图像溯源领域，具体涉及一种基于se机制与锚定类中心的d-openmax开集溯源方法。

技术介绍

1、随着医学影像技术的广泛应用，ct图像在医疗领域扮演着至关重要的角色。然而，随着数字图像传输技术的发展，ct图像的传输过程中容易面临元数据丢失或篡改的问题。在实际应用中，尤其是在ct图像的共享和传输中，元数据往往无法可靠地提供源设备的准确信息。因此，依赖元数据进行溯源已不再是一个稳健的解决方案。为了提高源设备溯源的精度和安全性，基于ct图像本身的特征，特别是噪声模式和纹理信息进行源设备识别成为一种更为可靠的替代方案。

2、现有的基于噪声模式的溯源方法，尽管在一定程度上能够识别出设备的源信息，但仍面临诸多问题。首先，ct图像中的噪声模式在不同设备、不同拍摄条件下存在显著差异，这导致噪声提取的精度受到影响。其次，现有技术往往无法有效应对开集问题，即面对未知的设备或未见过的图像时，系统容易做出错误判断。因此，在源设备溯源中如何提高噪声提取精度，如何在未见设备的情况下保证溯源的准确性，成为了当前技术亟待突破的难题。

3本文档来自技高网...

【技术保护点】

1.一种基于SE机制与锚定类中心的D-OpenMax开集溯源方法，其特征在于：分为训练和测试两个阶段：

2.根据权利要求1所述的一种基于SE机制与锚定类中心的D-OpenMax开集溯源方法，其特征在于：针对训练阶段，所述步骤S1具体包括以下步骤，

3.根据权利要求1所述的一种基于SE机制与锚定类中心的D-OpenMax开集溯源方法，其特征在于：针对测试阶段，所述步骤S2具体包括以下步骤，

4.根据权利要求1所述的一种基于SE机制与锚定类中心的D-OpenMax开集溯源方法，其特征在于：在测试阶段所述的步骤S3中，将计算测试图像的激活向量Mtest_c与...

【技术特征摘要】

1.一种基于se机制与锚定类中心的d-openmax开集溯源方法，其特征在于：分为训练和测试两个阶段：

2.根据权利要求1所述的一种基于se机制与锚定类中心的d-openmax开集溯源方法，其特征在于：针对训练阶段，所述步骤s1具体包括以下步骤，

3.根据权利要求1所述的一种基于se机制与锚定类中心的d-openmax开集溯源方法，其特征在于：针对测试阶段，所述步骤s2具体包括以下步骤，

4.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：胡轶宁，秦子涵，顾思琦，荆芒，王征，张宇宁，
申请(专利权)人：东南大学，
类型：发明
国别省市：