龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开了一种基于深度神经网络的生成式隐写方法，包括：将隐变量、随机噪声以及秘密信息输入图像生成器，以获得非含密图像、含密图像；根据非含密图像、训练图像、含密图像利用判别器判别真假，获得第一判别结果；将非含密图像与含密图像输入至隐写分析器，获得第二判别结果；将含密图像输入至信息提取器获得隐藏信息；根据非含密图像、含密图像、第一判别结果、第二判别结果、隐藏信息以及对应的标签信息计算获得总损失，并进行训练更新，获得训练好的生成式隐写模型。本发明提供的方法能够高效地嵌入并提取出隐藏的信息，具有出色的提取准确率，确保信息的精准解读，能够生成高质量、逼真度极高的图像，让隐藏信息与原图融为一体。
主权项：1.一种基于深度神经网络的生成式隐写方法，其特征在于，包括：获取训练图像以及生成式隐写模型，所述生成式隐写模型包括图像生成器、信息提取器、判别器以及隐写分析器；将隐变量与随机噪声输入所述图像生成器，以获得非含密图像；同时，将所述隐变量与秘密信息输入至所述图像生成器，以获得含密图像；将所述非含密图像与所述训练图像，或者所述含密图像与所述训练图像输入至所述判别器，以判别所述非含密图像、所述含密图像的真假，获得第一判别结果；将所述非含密图像与所述含密图像输入至所述隐写分析器，以判别图像是否包含秘密信息，获得第二判别结果；将所述含密图像输入至所述信息提取器，以获得隐藏信息；根据所述非含密图像、含密图像、第一判别结果、第二判别结果、隐藏信息以及对应的标签信息，计算获得总损失；基于所述总损失对所述生成式隐写模型进行训练更新，以获得训练好的生成式隐写模型。
全文数据：
权利要求：
百度查询： 复旦大学 一种基于深度神经网络的生成式隐写方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号