融合压缩与激励模块的残差网络图像遮蔽识别

摘要

利用PS等技术进行图像篡改行为盛行。居心叵测之人为遮掩篡改痕迹加入噪音,模糊等遮蔽处理。针对上述遮蔽处理,收集四类人脸数据集,生成加入泊松噪音,均匀噪音,高斯模糊,中值滤波,图像压缩的五类遮蔽处理后的图像,形成对比样本。ResNet网络收敛不平滑,速度较慢。改进SE_ResNet网络在8个残差模块内均添加一层全局平均池化、两层全连接层、一层Sigmoid激活函数。利用压缩和激励操作对参数进行重标定,逐轮迭代调整学习率和梯度下降动量大小。总体网络由一层卷积层,四层包含八个改进残差模块的网络层,和全连接分类层构成。加入随机失活层和SGD权重衰减参数防止过拟合。对5类遮蔽篡改后图像识别准确率达92.50%。