Sep, 2017

卷积神经网络识别图像处理操作

PDF
TL;DR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。
image forensicsconvolutional neural networkdiscriminative featuresimage processing operationssteganalysis
发现论文，激发创造
  • 基于卷积神经网络的相机模型识别的初步探索

    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。

    Mar, 2016

  • 卷积神经网络在人脸反欺诈中的性能评估

    本文通过基于卷积神经网络的 Inception 和 ResNet 模型在 MSU Mobile Face Spoofing 数据库上的表现，研究了如何应用这些深度学习算法实现面部反欺骗的生物特征访问控制。

    May, 2018

  • 分类驱动动态图像增强

    本文提出一种基于卷积神经网络的图像增强方法，通过动态滤波器学习来提高图像分类的效果，实验证明该方法在四个基准数据集中表现出较好的性能。

    Oct, 2017

  • 在医学影像中整合预处理方法和卷积神经网络以实现有效的肿瘤检测

    该研究使用卷积神经网络（CNN）在医学图像中提供了一种机器学习方法来检测肿瘤。该研究侧重于预处理技术，以增强与肿瘤检测相关的图像特征，并开发和训练了一个 CNN 模型以实现准确分类。通过采用高斯平滑、双边滤波和 K-means 聚类等各种图像处理技术来预处理输入图像并突出肿瘤区域。所提出的方法在医学图像中准确检测肿瘤的实验结果表明其有效性，为提高医疗诊断工具铺平了道路。

    Feb, 2024

  • 一种采用灰狼优化的高效模式挖掘卷积神经网络（CNN）算法

    本文提出了一种基于 Convoluted Pattern of Wavelet Transform（CPWT）特征向量的 CNN 特征分析方法，通过优化 Grey Wolf Optimization（GWO）算法，对动态图像帧数据集中的特征进行分析和分类，从而实现自动化的特征分析。

    Apr, 2022

  • 卷积神经网络在医学图像分析中的应用综述

    研究医学图像分析的最新技术，特别是使用机器学习中的深度卷积网络实现医学图像分析，深度卷积网络被广泛应用于医学图像分割、异常检测和疾病分类等应用领域。

    Sep, 2017

  • 学习卷积神经网络进行人脸反欺骗

    本研究采用深度卷积神经网络（CNN）学习特征，在经过数据预处理后，能够大幅提高面部防欺诈性能，使得在 CASIA 和 REPLAY-ATTACK 数据集中相对错误率降低超过 70％，同时在两个数据集之间的交叉测试中，实验结果表明 CNN 能够获得更好的泛化能力，使用两个数据集的组合数据训练的网络在两个数据集之间具有更少的偏差。

    Aug, 2014

  • 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

  • 卷积神经网络隐写分析在隐写术中的应用

    本文提出一种新方法，在最小化失真的标准下，提高图像隐写术的性能界限。该方法利用隐写分析卷积神经网络框架来理解图像的模型，并在不易被探测的区域进行嵌入以保留模型。实验结果表明，在广泛的低相对负载范围内，与 HUGO、S-UNIWARD 和 HILL 等最先进的隐写分析技术相比，所提出的算法表现优异。

    Nov, 2017

  • 野生动物分类器使用 CNN

    利用计算机视觉中的卷积神经网络（CNN）对野生动物进行分类和鉴定可以保护野生动物，但是图像预处理对 CNN 的效率起着重要作用，而图像分割等图像处理方法则提供了优质的输入图像以产生最佳结果。

    Oct, 2022