Skip to Main content Skip to Navigation
Conference papers

Yedroudj-Net : un réseaux de neurones efficace pour la stéganalyse spatiale

Mehdi Yedroudj 1 Marc Chaumont 1, 2 Frédéric Comby 1
1 ICAR - Image & Interaction
LIRMM - Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier
Résumé : Pendant environ 10 ans, l'approche classique pour détec-ter la présence d'un message secret inséré dans une image était d'utiliser un ensemble de classifieurs alimentés par des vecteurs de caractéristiques issues des images à traiter. Ces dernières années, des études telles que Xu et al. ont in-diqué que des réseaux de neurones convolutionnels (CNN) bien conçus peuvent atteindre des performances compa-rables aux approches classiques d'apprentissage automa-tique. Dans cet article, nous proposons un CNN qui dépasse les performances de l'état de l'art en terme de proba-bilité d'erreur de classification. La proposition s'inscrit dans la continuité de ce qui a été proposé récemment et consiste en une fusion intelligente de briques importantes proposées dans divers articles. Parmi les éléments essen-tiels du CNN proposé, on peut citer l'utilisation : d'un ensemble de filtres pour le prétraitement de l'image d'en-trée, de la troncature comme fonction d'activation, d'au moins cinq couches convolutionnelles avec une normalisa-tion par lot (Batch normalization layer) et une couche de mise à l'échelle (Scale layer) ainsi qu'une couche entière-ment connectée correctement dimensionnée.
Complete list of metadatas

Cited literature [22 references]  Display  Hide  Download

https://hal-lirmm.ccsd.cnrs.fr/lirmm-01777361
Contributor : Marc Chaumont <>
Submitted on : Tuesday, April 24, 2018 - 4:21:11 PM
Last modification on : Saturday, December 29, 2018 - 4:12:01 AM

File

CORESA-2017-Yedroudj-Chaumont-...
Files produced by the author(s)

Identifiers

  • HAL Id : lirmm-01777361, version 1

Citation

Mehdi Yedroudj, Marc Chaumont, Frédéric Comby. Yedroudj-Net : un réseaux de neurones efficace pour la stéganalyse spatiale. CORESA: COmpression et REprésentation des Signaux Audiovisuels, C. Charrier (GREYC, Université de Caen Normandie); C. Rosenberger (GREYC, ENSICAEN), Nov 2017, Caen, France. ⟨lirmm-01777361⟩

Share

Metrics

Record views

200

Files downloads

223