论文部分内容阅读
卷积神经网络在隐写分析领域取得了一系列进展,但现有网络结构大多都是专用隐写分析,只针对某一类隐写算法有效。为了提高模型的泛化能力,提出了一种基于新残差网络的图像隐写分析算法。构建了残差分组融合网络结构(W-R2N),采用分组融合的方式来提高提取多尺度特征的能力,增大每层网络的感受野范围,并且增加每组卷积的对角相关性。相对于Xu-Net和SRNET在S-UNIWARD嵌入率为0.4 bpp情况下隐写分析准确率分别提高了17.13%和0.81%。实验结果表明,相对于现有卷积神经网络,该模型泛化能力更好,