[发明专利]一种基于梯度网络架构搜索的空域隐写分析方法及系统

权利要求书

1.一种基于梯度网络架构搜索的空域隐写分析方法，其特征在于，至少包括：

S1.构建包括若干部分的隐写分析网络搜索框架，确定每部分对应的搜索架构及搜索空间中的候选操作；

S2.利用Softmax函数将搜索空间中的所有候选操作进行结合，构建包含候选操作的超参数网络；

S3.利用梯度下降法对构建出的超参数网络进行训练优化；

S4.根据训练好的超参数网络，完成隐写分析网络的搜索构建，确定搜索得到的隐写分析网络，用于隐写分析；

所述隐写分析网络搜索框架包括依次相连的预处理部分、特征提取部分及分类部分，所述预处理部分包括一个预处理模块，所述预处理模块由SRM线性高通滤波核及TLU激活函数组成，预处理模块的搜索空间为F，候选操作为f_i，i＝1,2,...,n，n表示候选操作的个数；所述特征提取部分包括一般模块、第一缩减模块及第二缩减模块，一般模块、第一缩减模块及第二缩减模块的架构相同，搜索空间均为O，候选操作为o_k，k＝1,2,...,m，m表示候选操作的个数；一般模块的候选操作步长设置为1，第一缩减模块及第二缩减模块的候选操作步长均设置为2；所述分类部分包括全局协方差池化层、全连接层和Softmax激活函数，无待搜索模块，不存在搜索空间及候选操作；

待隐写分析图像输入至预处理模块，经过SRM线性高通滤波核滤波处理后，输出经过TLU激活函数处理，处理公式为：

其中，x表示输入图像，T为所设置的阈值，经过TLU激活函数处理后的输出被拼接在一起作为预处理模块的最后输出；

步骤S2中利用Softmax函数将搜索空间中的所有候选操作进行结合，构建出包含候选操作的超参数网络的过程包括：

在预处理模块中，输入图像经过所有候选SRM线性高通滤波核滤波操作处理后，输出经过TLU激活函数处理，加上经过Softmax函数计算后得到的超参数网络架构参数以作为权重，得到每个候选操作处理后相应的输出，计算公式为：

其中，input表示输入，f_i表示第i个候选操作，参数表示每一个候选操作滤波前的权重，r_i表示为输入经过第i个候选操作处理后的输出结果，最后预处理模块的输出为所有r_i的拼接结合，i＝1,2,...,n；

在一般模块、第一缩减模块及第二缩减模块中，为了减少搜索过程中所需要的计算资源，采用部分通道连接的计算方式，即仅输入的部分通道通过候选操作进行处理，其余通道直接作为模块的部分输出与经过候选操作后的另一部分输出进行结合作为模块的最后输出；在部分通道连接的情况下，对部分输入经过候选操作后的输出，加上Softmax函数计算后得到超参数网络架构参数以作为权重，计算公式为：

其中，y^PC(x_j)表示输入节点x_j在部分通道连接的情况下通过所有候选操作后的输出结果，x_j表示一般模块、第一缩减模块或第二缩减模块的输入节点，为在先模块的输出，j＝0,1；S_j是一个长度与输入节点x_j通道数相同的向量，表示输入节点x_j的通道采样掩模，当输入节点x_j的某一通道被选取用于通过候选操作时，对应位置上的S_j元素被设为1，否则为0；o_i表示一般模块、第一缩减模块或第二缩减模块搜索空间中的第i个候选操作；参数表示第j个输入节点后第i个候选操作前所带的权重。

2.根据权利要求1所述的基于梯度网络架构搜索的空域隐写分析方法，其特征在于，采用边正则化方法减少部分通道连接带来的扰动，边正则化公式为：

其中，表示在部分通道连接的情况下，一般模块、第一缩减模块或第二缩减模块的输出；参数β_j表示输入节点x_j在部分通道连接的情况下通过所有候选操作后的输出结果的权重，j＝0,1。