多数据集深度学习模型的修图处理识别

• 作者: 杨滨 陈先意
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 多数据集学习 修图识别 深度学习 神经网络设计 图像处理
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 252-259
• 页数: 8页
• 分类号: TP309
• 字数: 5530字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1909079

摘要

图像处理软件的飞速发展,带动了移动应用领域一大批修图、美化应用的兴起.但是修图、美化软件的快速发展和普及也带来了一些社会问题和安全问题,如网恋对象严重失真,摄影作品造假等.针对手机中的修图处理APP软件,提出一种基于多数据集特征学习的神经网络模型,并给出其网络拓扑结构.区别于传统的多个神经网络并行操作,提出的网络模型具有共享模型参数的特征,能同时对多个特征数据集进行深度学习,使检测程序具备多特征识别能力.此外,还提出了一种针对多任务网络模型的损失函数,以增强深度特征学习的能力.实验结果表明,提出方法的准确率较传统方法有较大提升,同时泛化性能优越,能识别出经过多种美图、修图软件修复过的图像.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈先意	南京信息工程大学计算机与软件学院	5	84	3.0	5.0
2	杨滨	江南大学设计学院	10	18	3.0	4.0