基于卷积神经网络的相机模型识别的初步探索

Mar, 2016

基于卷积神经网络的相机模型识别的初步探索

First Steps Toward Camera Model Identification with Convolutional Neural Networks

Luca Bondi, Luca Baroffio, David Güera, Paolo Bestagini, Edward J. Delp...

TL;DR本文研究了一种基于卷积神经网络的数据驱动算法来解决相机型号识别问题，结果表明，所提出的方法在 64x64 的彩色图像块分类上优于最新的算法，而且所学到的特征具有很好的泛化性能。

Abstract

Detecting the camera model used to shoot a picture enables to solve a wide series of forensic problems, from copyright infringement to ownership attribution. For this reason, the forensic community has developed a set of camera model identification algorithms that exploit characteristi

camera model identification forensic analysis convolutional neural networks data-driven algorithm generalization

发现论文，激发创造

卷积神经网络实现相机模型识别

本论文介绍了关于 10 台不同相机型号识别的深度学习方法，使用了数据增强技术，最终在 Kaggle 的相机型号识别挑战中获得了 98% 的准确率，并进行了有关数据集的一系列实验。

Oct, 2018

卷积神经网络识别图像处理操作

本研究提出了一种基于卷积神经网络的方法，适应性地学习鉴别特征以识别典型的图像处理操作，其优于基于手工特征及三个与图像隐写和 / 或取证有关的基于卷积神经网络的方法，且取得了最先进的结果。

Sep, 2017

一种基于卷积神经网络的相机模型识别反取证方法

本文研究了通过对抗性的样本对基于卷积神经网络的相机模型检测器进行欺骗的反取证方法，并展示了即使用针对图像分析和获取相机模型信息的先进深度学习架构，也存在一定漏洞。

May, 2018

DenseNet 在相机型号识别和后处理检测中的应用

本篇文章提出了一种基于 DenseNet 的图像相机模型识别模型，通过使用数据增强等方法，将提取的图像 patch 作为输入，对图像进行预处理，并将其送入 DenseNet-201 神经网络进行训练和分类，本方法在缺少 metadata 和图像后处理情况下也能实现较高的识别准确率，并适用于其他图像取证任务。

Sep, 2018

透过照片看拍摄者：辨识照片作者

该研究新颖地提出了解决图像中摄影师身份识别问题的方法，并通过 180,000 张 41 位著名摄影师拍摄的图像数据集，使用计算机视觉技术和卷积神经网络等方法，研究不同特征对于摄影师身份的判断效果。研究结果表明，高级特征能够显著提高识别准确度，并通过质量较高的模型识别结果展示了具体人物拍摄风格推测的能力，同时对基于摄影师身份的应用进行了探究。

Aug, 2015

基于卷积神经网络的目标检测概率模型

本文提出了一种基于概率模型和强大搜索框架的卷积神经网络探测器，旨在解决区域信息浪费和效率与准确性之间的权衡问题，通过将图像映射为对象的概率分布，该模型以更少的计算量提供更丰富的输出，并在 FDDB 上进行了一系列实验证明了该模型的可靠性、效率和解析性。

Aug, 2018

使用卷积长短期记忆学习检测暴力视频

本文提出了一个基于深度学习神经网络的方法来自动识别监控视频中的暴力行为，具有很高的识别精度。该方法采用卷积神经网络和长短时记忆网络，能够捕捉到视频中局部的时空特征，实现对局部运动的分析，并通过对相邻帧的差异计算来增强所提出方法的识别功能。实验证明，该方法表现优于现有的同类方法，具有广泛的研究价值。

Sep, 2017

Deep Camera: 用于图像信号处理的全卷积神经网络

使用全卷积神经网络对摄像机拍摄的原始 Bayer 图像进行缺陷像素纠正、去噪、白平衡、曝光校正、解模糊、颜色转换和伽马编码的端到端处理，此神经网络是第一个进行完整图像信号处理流程处理的。通过实验，结果表明该系统的性能优于一般传统的处理流程。

Aug, 2019

利用卷积神经网络实现自动照片方向检测

本研究采用了卷积神经网络对图像方向检测进行研究，取得了优于同类论文的研究成果，该系统在消费级照片的检测中表现出色，并使用 Guided Backpropagation 解释其错误。

May, 2023

利用非常深的卷积神经网络在相机陷阱图像中识别动物物种，实现野生动物的自动监测

使用深度卷积神经网络在野外通过摄像监控自动识别动物种类的方法，优于之前的尝试，证明了在摄像监控的图像中，识别可以自动化。

Mar, 2016