技术总结
本发明涉及一种通用隐写分析的深度学习堆栈式自动编码方法，其特征在于包括以下步骤：第一步，图像分块处理；第二步，USoSAE特征数据输入，第三步，USoSAE特征数据的映射，第四，USoSAE特征数据输出，第五，训练最后的优化参数值。本发明通过对隐写检测图像的概率密度函数统计，把图像数据按照方差统计进行分割，并结合SAEs的数据模型，降低输入层的计算开销。本发明通过把不同属性的数据输入到不同的隐含层进行特征提取和训练，改善多维数据摘要的表示效率。在USoSAE隐含层，本发明通过加入稀疏性限制的先验条件，进一步降低特征数据的维数，提高隐写分析数据分类的计算精度。
技术研发人员：赵慧民;戴青云;魏文国;任金昌;容淳铭
受保护的技术使用者：广东技术师范学院
文档号码：201610642550
技术研发日：2016.08.03
技术公布日：2016.12.21