基于卷积神经网络的图像生成方式分类方法

李巧玲; 关晴骁; 赵险峰

doi:10.11959/j.issn.2096-109x.2016.00096

您当前的位置：

首页 >

文章列表页 >

基于卷积神经网络的图像生成方式分类方法

学术论文 | 更新时间：2024-06-03

- 基于卷积神经网络的图像生成方式分类方法
- Image generation classification method based on convolution neural network
- 网络与信息安全学报 2016年2卷第9期页码：40-48
- 作者机构：
  
  1. 中国科学院信息工程研究所信息安全国家重点实验室，北京 100093
  2. 中国科学院大学，北京 100049
- 作者简介：
  
  [ "李巧玲（1992-），女，湖北宜昌人，中国科学院信息工程研究所硕士生，主要研究方向为信息对抗理论与技术。" ]
  [ "关晴骁（1984-），男，湖南湘潭人，博士，中国科学院信息工程研究所助理研究员，主要研究方向为多媒体内容安全、通信隐写分析。" ]
  [ "赵险峰（1969-），男，安徽淮北人，博士，中国科学院信息工程研究所研究员、博士生导师，主要研究方向为信息安全事件检测分析的理论与技术，包括信息隐藏及其检测、网络安全异常行为检测、大数据安全分析以及相关技术在内容保护、版权保护和系统防护等中的应用。" ]
- 基金信息：
  
  ：国家自然科学基金资助项目;The National Natural Science Foundation of China(61303259);：国家自然科学基金资助项目;The National Natural Science Foundation of China(U1536105);中国科学院战略性先导科技专项课题基金资助项目;The Strategic Pilot Sci-ence and Technology Project of the Chinese Academy of Sciences(XDA06030600);中国科学院信息工程研究所重点基金资助项目;The Key Project of Institute of Informa-tion Engineering,Chinese Academy of Sciences(Y5Z0131201)
- DOI：10.11959/j.issn.2096-109x.2016.00096
  中图分类号： TP37
- 网络首发：2016-09，
  
  纸质出版：2016-09-15
- 稿件说明：
移动端阅览
李巧玲, 关晴骁, 赵险峰. 基于卷积神经网络的图像生成方式分类方法[J]. 网络与信息安全学报, 2016,2(9):40-48.

Qiao-ling LI, Qing-xiao GUAN, Xian-feng ZHAO. Image generation classification method based on convolution neural network[J]. Chinese Journal of Network and Information Security, 2016, 2(9): 40-48.
李巧玲, 关晴骁, 赵险峰. 基于卷积神经网络的图像生成方式分类方法[J]. 网络与信息安全学报, 2016,2(9):40-48. DOI： 10.11959/j.issn.2096-109x.2016.00096.

Qiao-ling LI, Qing-xiao GUAN, Xian-feng ZHAO. Image generation classification method based on convolution neural network[J]. Chinese Journal of Network and Information Security, 2016, 2(9): 40-48. DOI： 10.11959/j.issn.2096-109x.2016.00096.

摘要

提出一种采用卷积神经网络对自然图像和文档扫描图像进行分类的方法，通过卷积和池化操作提取两类图像具有高区分度的特征，融合后得到分类判决结果。实验结果表明，所提出的分类方法在 SKL 图像库上分类精度超过93%。图像预处理对模型的精度以及模型训练收敛所需时间具有积极效果，经过图像预处理后训练的卷积神经网络模型对图像文字大小和图像格式顽健。

Abstract

Using convolution neural network which though convolution and pooling extracting features of high dis-tinguish ability and then make fusion for classification of natural images and scanned documents.Experimental re-sults show that the classification accuracy of the proposed classification method is more than 93% on the SKL image database.The model is highly robust to font sizes and image formats.Through contrast experiment validated that preprocessing of image has a positive effect on the accuracy of the model and the time cost on training.

关键词

Keywords

references

WANG Y , MOULIN P . On discrimination between photorealistic and photographic images [C ] // IEEE International Conference on Acoustics Speech and Signal Processing . 2006 .

LYU S , FARID H . How realistic is photorealistic [J ] . IEEE Interna-tional Conference on Signal Processing , 2005 , 53 ( 2 ): 845 - 850 .

ZHU J Y , KRAHENBUHL P , SHECHTMAN E , et al . Learning a discriminative model for the perception of realism in composite images [C ] // IEEE International Conference on Computer Vision . 2015 : 3943 - 3951 .

KHANNA N , CHIU G T C , ALLEBACH J P , et al . Forensic tech-niques for classifying scanner,computer generated and digital cam-era images [C ] // IEEE International Conference on Acoustics,Speech and Signal Processing . 2008 : 1653 - 1656 .

MAHENDRAN A , VEDALDI A . Understanding deep image rep-resentations by inverting them [C ] // IEEE Conference on Computer Vision and Pattern Recognition . 2015 : 5188 - 5196 .

LECUN Y , BOTTOU L , BENGIO Y , et al . Gradient-based learning applied to document recognition [J ] . Proceedings of the IEEE , 1998 , 86 ( 11 ): 2278 - 2324 .

KUSSUL E , BAIDYK T , WUNSCH II D C . Permutation coding technique for image recognition system standard [M ] Neural Networks and Micromechanics . 2010 47 - 73 .

KAIMING H , XIANGYU Z , SHAOQING R , et al . Delving deep into rectifiers:surpassing human-level performance on imagenet classification [C ] // IEEE International Conference on Computer Vi-sion . 2015 : 1026 - 1034 .

NAIR V , HINTON G E . Rectified linear units improve restricted boltzmann machines [C ] // The 27th International Conference on Machine Learning . 2010 : 807 - 814 .

SRIVASTAVA N , HINTON G , KRIZHEVSKY A , et al . Dropout:a simple way to prevent neural networks from overfitting [J ] . The Journal of Machine Learning Research , 2014 , 15 ( 1 ): 1929 - 1958 .

SUTSKEVER I , MARTENS J , DAHL G , et al . On the importance of initialization and momentum in deep learning [C ] // The 30th In-ternational Conference on Machine Learning . 2013 : 1139 - 1147 .

JIA Y , SHELHAMER E , DONAHUE J , et al . Caffe:convolutional architecture for fast feature embedding [C ] // The ACM International Conference on Multimedia . 2014 : 675 - 678 .

浏览量

296

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于卷积神经网络的加密流量分类方法

基于深度学习的数字图像取证技术研究进展