一种基于分层分类块的卷积神经网络用于源相机模型识别
计算机视觉与模式识别
2022-12-09 v1 机器学习
图像与视频处理
摘要
由于互联网基础设施的快速普及、社交媒体的日益流行以及数码相机的发展，数字安全一直是一个活跃的研究领域。由于生成图像的工作原理存在固有差异，不同相机品牌留下了不同的固有处理噪声，可用于识别相机品牌。在过去十年中，许多基于信号处理和深度学习的方法被提出，以从图像场景细节中识别并分离该噪声，从而检测源相机品牌。一个突出的解决方案是利用分层分类系统而非传统的单分类器方法。不同的独立网络被用于品牌级与模型级的源相机识别。该方法具有更好的可扩展性，且添加新相机品牌/模型时只需极少修改。然而，在品牌与模型级分类上使用不同的完整网络会大幅增加内存消耗与训练复杂度。此外，从不同网络初始层提取的低层特征常常重合，导致冗余权重。为缓解训练与内存复杂度，我们提出一种用于源相机模型分类的分类器块级分层系统，而非网络级系统。我们提出的方法不仅参数显著更少，还保留了以最小修改添加新相机模型的能力。在公开可用的 Dresden 数据集上的充分实验表明，与最先进的网络级分层系统相比，我们提出的方法能达到同等水平的最先进性能，但所需参数更少。
引用
@article{arxiv.2212.04161,
title = {A Novel Hierarchical-Classification-Block Based Convolutional Neural Network for Source Camera Model Identification},
author = {Mohammad Zunaed and Shaikh Anowarul Fattah},
journal= {arXiv preprint arXiv:2212.04161},
year = {2022}
}