全局協(xié)方差池化與多尺度特征融合的圖像隱寫檢測(cè)

摘要： 針對(duì)目前圖像隱寫深度檢測(cè)模型中池化等操作造成特征圖信息丟失，全局平均池化忽視高階統(tǒng)計(jì)量的問(wèn)題，提出一個(gè)基于全局協(xié)方差池化與多尺度特征融合的隱寫檢測(cè)模型：首先用多層小尺度卷積核替換多層感知器中的大尺度卷積核，增強(qiáng)特征表達(dá)能力的同時(shí)提高卷積計(jì)算效率；然后利用空洞卷積構(gòu)建多尺度特征融合模塊，減少模型在池化等過(guò)程中導(dǎo)致的細(xì)節(jié)特征信息損失；最后引入全局協(xié)方差池化，通過(guò)計(jì)算二階統(tǒng)計(jì)量協(xié)方差... （共8頁(yè)）