基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着图像拍摄以及显示技术的发展,图像翻拍质量越来越高,这类图像可能会用作非法途径而不能被认证系统所识别。针对此问题,设计了一种基于深度学习的图像翻拍检测方法,该方法首先分析翻拍图像和真实图像之间的灰度变化,然后将其作为深度信念网络的输入逐层学习抽象的区分特征,最终在网络顶层实现图像的分类。实验结果表明,应用深度学习的方法能正确检测出翻拍图像。
推荐文章
基于深度学习的医学图像肺结节检测
肺结节检测
深度学习
卷积神经网络
假阳性去除
基于深度学习的木材缺陷图像检测方法
深度学习
卷积神经网络
区域建议网络
木材缺陷图像
CV
基于深度学习的图像风格迁移研究综述
图像风格迁移
深度学习
迁移学习
纹理合成
基于深度学习的图像检索研究
图像检索
深度学习
卷积神经网络
Caffe
主成分分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的图像翻拍检测
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 图像翻拍检测 深度学习 深度信念网络
年,卷(期) 2017,(6) 所属期刊栏目
研究方向 页码范围 161-162
页数 2页 分类号 TP391
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孔月萍 西安建筑科技大学信息与控制工程学院 51 234 10.0 13.0
2 谢心谦 西安建筑科技大学信息与控制工程学院 3 0 0.0 0.0
3 刘霞 西安建筑科技大学信息与控制工程学院 3 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像翻拍检测
深度学习
深度信念网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导