首页 期刊 计算机科学与探索 多数据集深度学习模型的修图处理识别 【正文】

多数据集深度学习模型的修图处理识别

作者:杨滨; 陈先意 江南大学设计学院; 江苏无锡214122; 江南大学轻工过程先进控制教育部重点实验室; 江苏无锡214122; 南京信息工程大学计算机与软件学院; 南京210044
多数据集学习   修图识别   深度学习   神经网络设计   图像处理  

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。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

学术咨询 免费咨询 杂志订阅