深度学习图像年代近似中的内容偏置：一种提升可解释性的新方法

在时间图像取证中，训练于不同时段（类别）图像上的神经网络是否仅利用与图像年代相关的特征并不明确。通常，在时间上接近拍摄的图像（例如属于同一年代类别）具有某些共同的内容属性。此类内容偏置可被神经网络所利用。本文提出一种评估图像内容影响的新方法。该方法使用嵌入了年代信号的合成图像（可排除内容偏置）进行验证。基于所提方法，表明在年代分类背景下提出的深度学习方案极有可能高度依赖于图像内容。作为一种可能的对策，利用所提方法评估了图像隐写分析领域的两种不同模型，以及三种用于提高信噪比（年代信号对图像内容）的不同预处理技术。