CN115410029B 基于双流神经网络通道联合和软池化的cg图像检测方法 （中山大学）

基于双流神经网络通道联合和软池化的CG本发明提出一种基于双流神经网络通道联通道残差提取模块设有用于增强图像样本特征21.一种基于双流神经网络通道联合和软池化的电脑合成图像检测方法，其特征在于，S3.构建双流神经网络模型，双流神经网络模型包括用于提取图像噪声信息的分通道在步骤S3中，分通道残差提取模块和联合通道信息提取模块道残差提取模块和联合通道信息提取模块，分通道残差提取模块提取图像样本的噪声信2.根据权利要求1所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方构均设有主干支路和分干支路，主干支路设有依次连接的包含3×3卷积核且步长为1的卷3.根据权利要求2所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方用图像处理模块中的SRM残差滤波核对每一个通道的图像的残差特征进行提取，并将每一S32.将第三残差特征图输入第一卷积块，然后分别输34.根据权利要求3所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方。5.根据权利要求1所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方6.根据权利要求1所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方7.根据权利要求6所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方设残差提取模块输出的第一特征图为，联合通对第一特征图和第二特征图进行全局平均池化操作GAP得到特征图GAP()eR1X1XC，将特征图GAP(fi)中的特征输入全连接层FC得到输出结果FC(GAP(f))eR1X2，将输出结果48.根据权利要求7所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方ifyi=}表示一个布尔9.根据权利要求1所述的基于双流神经网络通道联合和软池化的电脑合成图像检测方5[0002]电脑合成图像(Computer_GeneratedGraphics，CG)是指利用计算机软件生成的虚拟但视觉上合理的图像，自然图像(Photographs，PG)是指借助数码相机拍摄的真实图[0009]S3.构建双流神经网络模型，双流神经6结构均设有主干支路和分干支路，主干支路设有依次连接的包含3×3卷积核且步长为1的[0016]S31.将图像样本分成R、G、7[0026]优选地，所述分类器由全局平均池化层GAP和全连接层FC构成，全局平均池化层f将特征图GAP(fi)中的特征输入全连接层FC得到输出结果FC(GAP(fi))eR⃞2,将输出结果8i表示第i个样本的真实标签。本的内容已基本丢失，因此再利用联合通道信息提取模块提取图像样本的浅层语义信息，[0045]图1表示本发明实施例中提出的一种基于双流神经网络通道联合和软池化的CG图9[0060]S3.构建双流神经网络模型，双流神经DsTok数据集上的检测结果，6种模型的检测准确度Acc分别为85.3％、88.8％、83.2％、双流神经网络模型的Acc提高了3表1表示不同模型在DsTok数据集上的检测结果对比；到了最优的检测性能，相比于目前先进的CG检测模型，如Quan(2020)模型和Yao(2022)模型，本方法分别提高了1.1％和0.4这证实了本实施[0077]S31.将图像样本分成R、G、提取图像样本的浅层语义信息，来作为残差模块处理图像样本而丢失图像样本内容的补一残差图的大小变为7×7，由于分通道残差提取模块中的每一个卷积层均设有128个卷积[0086]然后与原像素区域按元素相乘，并将四个f[0095]feRA⃞((i=1,2)将特征图GAP(fi)中的特征输入全连接层FC得到输出结果FC(GAP(f))eR1⃞2,将输出结i表示第i