自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

转载 元学习【Meta-Learning: Learning to Learn Fast】

元学习地址

2021-12-09 20:39:10 170

转载 深度解析Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam等优化器

深度解析Momentum、NAG、Adagrad、Adadelta、RMSprop、Adam等优化器

2021-12-03 19:28:50 178

转载 DECISION-BASED ADVERSARIAL ATTACKS: RELIABLE ATTACKS AGAINST BLACK-BOX MACHI

# DECISION-BASED ADVERSARIAL ATTACKS: RELIABLE ATTACKS AGAINST BLACK-BOX MACHI

2021-11-22 10:12:33 224

转载 Towards Deep Learning Models Resistant to Adversarial Attacks

# Towards Deep Learning Models Resistant to Adversarial Attacks

2021-11-19 21:50:13 188

转载 对抗样本Adversarial Examples

# 对抗样本Adversarial Examples

2021-11-19 20:19:04 153

转载 EXPLAINING ANDHARNESSING ADVERSARIALEXAMPLES

# EXPLAINING ANDHARNESSING ADVERSARIALEXAMPLES

2021-11-19 16:58:16 90

原创 学习笔记:【VALSE短教程】《Adversarial Attack and Defense》

学习笔记:【VALSE短教程】《Adversarial Attack and Defense》视频地址1、White-box attacksDirection I论文地址:EXPLAINING AND HARNESSING ADVERSARIAL EXAMPLES论文地址:ADVERSARIAL EXAMPLES IN THE PHYSICAL WORLD论文地址:Towards Deep Learning Models Resistant to Adversarial Atta

2021-11-12 22:06:27 3564 1

原创 Deep Learning Hierarchical Representations for Image Steganalysis【Ye-Net:图像隐写分析的深度学习层次表示】

Deep Learning Hierarchical Representations for Image Steganalysis【Ye-Net:图像隐写分析的深度学习层次表示】Abstract目前流行的数字图像隐写通信检测方法主要包括残差计算、特征提取和二值分类三个步骤。在本文中,我们提出了一种基于卷积神经网络(CNN)的数字图像隐写分析替代方法,该方法能够在一个统一的框架中很好地复制和优化这些关键步骤,并直接从原始图像中学习层次表示。本文提出的CNN与传统计算机视觉任务中使用的CNN结构有很大的不

2021-11-01 21:27:42 2681 7

原创 YEDROUDJ-NET: AN EFFICIENT CNN FOR SPATIAL STEGANALYSIS【Yedroudj-Net:一个高效的空间隐写分析CNN】

YEDROUDJ-NET: AN EFFICIENT CNN FOR SPATIAL STEGANALYSIS【Yedroudj-Net:一个高效的空间隐写分析CNN】ABSTRACT在大约10年的时间里,通过用Rich特征训练的集成分类器来检测隐藏在图像中的秘密信息。近年来,Xu等人的研究表明,设计良好的卷积神经网络(CNN)可以达到与两步机器学习方法相当的性能。在本文中,我们提出了一个在错误概率方面优于最先进的CNN。这个命题是对最近提出的命题的延续,是对不同论文中使用的重要砖块的巧妙融合。在CN

2021-11-01 15:42:07 741

原创 Efficient feature learning and multi-size image steganalysis based on CNN【Zhu-Net基于高效特征学习与多尺度图像隐写分析】

摘要对于隐写分析,许多研究表明卷积神经网络比传统机器学习方法的两部分结构具有更好的性能。然而,仍然有两个问题需要解决:降低隐写分析特征映射的信噪比和对任意大小的图像进行隐写分析。一些算法需要固定大小的图像作为输入,并且由于未充分利用由各种类型的滤波器获得的噪声残差,因此精度较低。本文针对上述问题,设计了一种基于CNN的改进网络结构。首先,我们使用3×3核代替传统的5×5核,并在预处理层优化卷积核。较小的卷积核用于减少参数数量,并在较小的局部区域对特征进行建模。接下来,我们使用可分离卷积来利用残差的信道相关

2021-11-01 13:16:43 1331 4

原创 Deep Learning Applied to Steganalysis of Digital Images: A Systematic Review 深度学习在数字图像隐写分析中的应用:系统综述

Deep Learning Applied to Steganalysis of Digital Images: A Systematic Review (深度学习在数字图像隐写分析中的应用:系统综述)摘要隐写术包括将消息隐藏在被称为载体的对象内,以建立隐蔽的通信通道,从而使能够访问该通道的观察者不会注意到通信行为本身。隐写分析致力于使用隐写术检测隐藏消息;这些消息可以隐含在不同类型的媒体中,例如数字图像、视频文件、音频文件或纯文本。传统上,隐写分析分为两个独立的阶段,第一阶段包括人工提取复杂特征,第二

2021-10-30 17:45:40 1357

原创 Python基础(一)

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

2021-10-07 15:30:48 341

原创 面向对象作业试题——2018-12-04与12-11

1 (3分)B类只有一个整型数成员,它同时是B1类和B2类的虚基类,B1、B2类均派生出一个新的整型数成员,C类公有继承B1、B2类,同时派生出一个新的整型数成员。D类公有继承B类、C类,无新派生成员。那么,一个D类对象的内存空间大小是多少字节?(一个整形数变量在内存中占32位) ‍ 24 ‍ 20 ‍ 16 ‍ 12 2 (3分)含有子对象...

2018-12-24 15:13:17 650

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除