《表9 TanNet不同方案误检率对比》
从表9的实验结果可以得出:第3方案的方法是最好的,相较于SPAM这种特征维数较少的传统隐写分析方案,在误检率上提升了9%.3种不同的方案得到3组不同的数据,说明网络架构本身和隐写分析的效果并没有太大的关系.滤波核的初始化可以提升检测的成功率,但是相较于比较强力的SRM而言还是有所不及.这仅仅是深度学习与隐写分析的初步结合,是简单的结合与尝试,不仅证明了深度学习这项技术是可以应用在隐写分析上的,而且给予了未来深度学习有望超过SRM的一个观念,但是在网络架构上,比较简单依赖卷积层与全连接层的结构.
图表编号 | XD00207331000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 陈君夫、付章杰、张卫明、程旭、孙星明 |
绘制单位 | 南京信息工程大学计算机与软件学院、南京信息工程大学计算机与软件学院、鹏城实验室、中国科学技术大学信息科学技术学院、南京信息工程大学计算机与软件学院、南京信息工程大学计算机与软件学院 |
更多格式 | 高清、无水印(增值服务) |