DBDH：一种用于不可见嵌入区域定位的双分支双头神经网络

在图像中嵌入不可见超链接或隐藏代码以替代二维码已成为近期热点。该技术需要在解码前先定位拍摄照片中的嵌入区域。现有训练模型寻找不可见嵌入区域的方法难以获得精确的定位结果，导致解码精度下降。这一局限性主要是因为CNN网络对低频信号敏感，而嵌入信号通常为高频形式。基于此，本文提出了一种专为精确定位不可见嵌入区域设计的双分支双头（DBDH）神经网络。具体而言，DBDH使用包含62个高通滤波器的低层纹理分支来捕获嵌入引起的高频信号，并使用高层上下文分支来提取嵌入区域与正常区域之间的判别特征。DBDH采用检测头直接检测嵌入区域的四个顶点。此外，我们在训练过程中引入了一个额外的分割头来分割嵌入区域的掩码。分割头为模型学习提供像素级监督，有助于更好地学习嵌入信号。基于两种最先进的不可见离线到在线消息传递方法，我们构建了两个数据集及相应的增强策略，用于训练和测试定位模型。大量实验表明，所提出的DBDH相比现有方法具有优越性能。