摘要
本发明公开了一种基于注意力机制的HEVC变换系数视频隐写分析方法,其对压缩视频进行数据预处理,提取I帧对应的预测残差图,构成训练集;然后构建包含卷积子网络、自注意力子网络和二分类器的深度神经网络,用于提取隐写痕迹并分类视频;通过训练和测试,网络能准确判定视频是否经过隐写处理;优点是其结合深度学习技术进行隐写分析,能够提高隐写分析的准确性和鲁棒性,并能够适应多样化的隐写方法,且在低嵌入率场景下具备高检测性能。
技术关键词
视频隐写分析方法
注意力机制
浅层特征提取
预测残差
输出特征
卷积残差网络
视频特征向量
加权特征
全局平均池化
基础
误差
深度神经网络
批量
通道
分支
解码
系统为您推荐了相关专利信息
电池健康状态
自耦变压器
数据
变压器模型
前馈神经网络
楼宇设备
设备状态参数
设备检测终端
控制策略
多模态
数据聚类方法
注意力机制
链式方程
生成对抗网络
填充算法
高频特征
注意力机制算法
误差状态评估方法
集合经验模态分解
矩阵
信息咨询服务系统
语义向量
图谱
融合置信度
时效性