BitMix：用于图像隐写分析的数据增强方法
图像与视频处理
2021-01-28 v1 密码学与安全
计算机视觉与模式识别
机器学习
多媒体
摘要
用于图像隐写分析的卷积神经网络（CNN）通过借鉴高层视觉任务中的概念展现出更优性能。所采用的主要概念是利用数据增强来避免由于数据有限导致的过拟合。为了在不破坏消息嵌入的情况下增强数据，隐写分析中仅使用90度倍数旋转或水平翻转，这从一个样本生成八种固定结果。为克服此限制，我们提出BitMix，一种用于空域图像隐写分析的数据增强方法。BitMix通过交换随机块来混合载密图像对，并依据交换块中修改像素数与载密图像对中修改像素数之比生成嵌入自适应标签。我们探索了最优超参数、小批量中应用BitMix的比例，以及用于交换块的边界框大小。结果表明，使用BitMix提升了空域图像隐写分析的性能，且优于其他数据增强方法。
引用
@article{arxiv.2006.16625,
title = {BitMix: Data Augmentation for Image Steganalysis},
author = {In-Jae Yu and Wonhyuk Ahn and Seung-Hun Nam and Heung-Kyu Lee},
journal= {arXiv preprint arXiv:2006.16625},
year = {2021}
}