用于移动设备源相机识别的深度学习方法
计算机视觉与模式识别
2018-01-25 v2
摘要
在本文中，我们提出了一种基于深度学习的移动设备源相机识别方法。最近，卷积神经网络在图像识别、视频分析或自然语言处理等多项任务上展现出了卓越的性能。CNN 由一组层组成，其中每一层由一组高通滤波器构成，这些滤波器应用于整个输入图像。这种卷积过程赋予了其从数据中自动提取特征并从这些特征中进行学习的独特能力。我们的方案描述了一种 CNN 架构，该架构能够推断移动相机传感器的噪声模式（也称为相机指纹），旨在不仅检测和识别用于拍摄图像的移动设备（准确率达到 98%），还能识别图像是由哪个内置相机拍摄的。更具体地说，我们对所提出的架构在不同配置下进行了广泛的分析。实验使用了从不同移动设备相机拍摄的图像（使用了 MICHE-I 数据集），所得结果证明了所提方法的鲁棒性。
引用
@article{arxiv.1710.01257,
title = {Deep learning for source camera identification on mobile devices},
author = {David Freire-Obregón and Fabio Narducci and Silvio Barra and Modesto Castrillón-Santana},
journal= {arXiv preprint arXiv:1710.01257},
year = {2018}
}
备注
15 pages single column, 9 figures