申请/专利权人：河南大学

申请日：2023-11-24

公开（公告）日：2024-04-09

公开（公告）号：CN117853862A

主分类号：G06V10/82

分类号：G06V10/82;G06N3/0464;G06N3/045;G06N3/084;G06V10/80;G06V10/764;G06V10/40

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及图像取证技术领域，具体涉及基于RGB通道信息融合的深度学习图像操作链取证方法。将预处理后的原始图像数据集划分为训练数据集和测试数据集；建立ResNet变体深度学习取证模型，确定ResNet变体深度学习模型取证算法以及评估指标；使用训练后的ResNet变体深度学习取证模型，验证模型的取证精确度；使用不同相机源数据、不同分辨率数据的场景，验证ResNet变体深度学习取证模型的泛化性能；根据得到的性能分析结果，调整训练后的ResNet变体神经网络模型参数，优化训练后的ResNet变体神经网络模型。本发明提升了图像操作链取证结果的准确率，解决了没有先验信息条件下的鲁棒性问题。

主权项：1.一种基于RGB通道信息融合的深度学习图像操作链取证方法，其特征在于，该方法包括以下步骤：步骤1，获取不同相机源的原始图像数据集，对原始图像数据集进行预处理，将预处理后的原始图像数据集划分为训练数据集和测试数据集；步骤2，建立ResNet变体深度学习取证模型，确定ResNet变体深度学习模型取证算法以及评估指标；步骤3，使用训练数据集参与ResNet变体深度学习取证模型的训练，得到训练后的ResNet变体深度学习模型参数，验证模型的取证精确度；步骤4，使用不同相机源数据、不同分辨率数据的场景，验证ResNet变体深度学习取证模型的泛化性能；步骤5，根据得到的性能分析结果，调整训练后的ResNet变体神经网络模型参数，对训练后的ResNet变体神经网络模型进行优化。

全文数据：

权利要求：

百度查询： 河南大学 基于RGB通道信息融合的深度学习图像操作链取证方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD