买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南农业大学

摘要：本发明提供了一种基于ResNet‑50的相机模型辨别网络系统，该相机模型辨别网络系统将自主设计的高斯增强模块与ResNet‑50网络系统进行融合，高斯增强模块放置于网络系统信息传输过程中，有效防止高频信息传递过程中的衰减现象。另外本发明还提供一种应用了基于ResNet‑50的相机模型辨别网络系统的方法，该方法通过利用预处理后的基准图像数据对网络系统进行训练，得到最优的网络系统参数，由于高斯增强模块的滤波权重参数随网络系统训练会同步更新，使得该模块能进一步自适应地强化微弱和脆弱的高频残差特征，有效防止高频信息传递过程中的衰减现象，同时该模块对训练带来的额外参数量和浮点运算量非常低；该方法针对现实场景中的不同社交媒体传输攻击的鲁棒性有较大提高，能有效进行相机模型辨别。

主权项：1.一种基于ResNet-50的相机模型辨别网络系统的相机模型辨别方法，其特征在于，包括以下步骤：S1：获取基准图像数据以及待测相机模型图像数据，其中基准图像数据包括基准相机模型图像以及其对应的一维基准特征类向量，将基准图像数据分为基准图像训练数据和基准图像验证数据，并分别对基准图像训练数据、基准图像验证数据和待测相机模型图像数据进行预处理；S2：初始化基于ResNet-50的相机模型辨别网络系统参数；S3：利用已预处理的基准图像训练数据和基准图像验证数据对基于ResNet-50的相机模型辨别网络系统进行训练，确认最优基于ResNet-50的相机模型辨别网络系统，将待测相机模型图像数据输入最优基于ResNet-50的相机模型辨别网络系统，输出一维特征类概率向量作为相机模型辨别依据；所述相机模型辨别网络系统按数据传输路径依次包括下采样模块StemBlock，第一高斯增强特征提取模块GEM-Stage-1，第二高斯增强特征提取模块GEM-Stage-2，第三高斯增强特征提取模块GEM-Stage-3，第四高斯增强特征提取模块GEM-Stage-4，分类器模块Classifier；所述下采样模块StemBlock内部依次包括卷积核conv，批归一化层bn，激活函数Relu，最大值池化层Maxpool；所述第一高斯增强特征提取模块GEM-Stage-1内部依次包括高斯增强模块以及3个依次串联的处理块Block-1；所述第二高斯增强特征提取模块GEM-Stage-2内部依次包括高斯增强模块，以及4个依次串联的处理块Block-2；所述第三高斯增强特征提取模块GEM-Stage-3内部依次包括高斯增强模块，以及6个依次串联的处理块Block-3；第四高斯增强特征提取模块GEM-Stage-4内部依次包括高斯增强模块，以及3个依次串联的处理块Block-4；所述第一高斯增强特征提取模块GEM-Stage-1的内部结构具体参数以及数据传输过程包括：输入来自下采样模块StemBlock输出的64个空间分辨率为的特征图，经过高斯增强模块，输出高频残差信息增强的64个空间分辨率为的特征图，接下来经过3个依次串联的处理块Block，其中每一个处理块Block的内部结构按数据传递路径依次包括：宽度为1，高度为1，通道数为64，步长为1的卷积核conv，批归一化层bn，激活函数Relu；宽度为3，高度为3，通道数为64，步长为2的卷积核conv，批归一化层bn，激活函数Relu；宽度为1，高度为1，通道数为256，步长为1的卷积核conv，批归一化层bn，激活函数Relu；最后输出空间分辨率为的特征图共256个；所述第二高斯增强特征提取模块GEM-Stage-2的内部结构具体参数以及数据传输过程包括：输入来自第一高斯增强特征提取模块GEM-Stage-1输出的256个空间分辨率为的特征图，经过高斯增强模块，输出高频残差信息增强后的256个空间分辨率为的特征图，接下来经过4个依次串联的处理块Block，其中每一个Block的内部结构按数据传递路径依次包括：宽度为1，高度为1，通道数为128，步长为1的卷积核conv，批归一化层bn，激活函数Relu；宽度为3，高度为3，通道数为128，步长为2的卷积核conv，批归一化层bn，激活函数Relu；宽度为1，高度为1，通道数为512，步长为1的卷积核conv，批归一化层bn，激活函数Relu；最后输出空间分辨率为的特征图共512个；所述第三高斯增强特征提取模块GEM-Stage-3的内部结构具体参数以及数据传输过程包括：输入来自第二高斯增强特征提取模块GEM-Stage-2输出的512个空间分辨率为的特征图，经过高斯增强模块，输出高频残差信息增强后的512个空间分辨率为的特征图，接下来经过6个依次串联的处理块Block，其中每一个Block的内部结构按数据传递路径依次包括：宽度为1，高度为1，通道数为256，步长为1的卷积核conv，批归一化层bn，激活函数Relu；宽度为3，高度为3，通道数为256，步长为2的卷积核conv，批归一化层bn，激活函数Relu；宽度为1，高度为1，通道数为1024，步长为1的卷积核conv，批归一化层bn，激活函数Relu；最后输出空间分辨率为的特征图共1024个；所述第四高斯增强特征提取模块GEM-Stage-4的内部结构具体参数以及数据传输过程包括：输入来自第三高斯增强特征提取模块GEM-Stage-3输出的1024个空间分辨率为的特征图，经过高斯增强模块，输出高频残差信息增强后的1024个空间分辨率为的特征图，接下来经过3个依次串联的处理块Block，其中每一个Block按数据传递路径依次包括：宽度为1，高度为1，通道数为512，步长为1的卷积核conv，批归一化层bn，激活函数Relu；宽度为3，高度为3，通道数为512，步长为2的卷积核conv，批归一化层bn，激活函数Relu；宽度为1，高度为1，通道数为2048，步长为1的卷积核conv，批归一化层bn，激活函数Relu；最后输出空间分辨率为的特征图共2048个。

全文数据：

权利要求：

百度查询： 华南农业大学 一种基于ResNet-50的相机模型辨别网络系统及相机模型辨别方法