THÔNG TIN TÀI LIỆU
Thông tin cơ bản
| Định dạng | |
|---|---|
| Số trang | 75 |
| Dung lượng | 2,44 MB |
Nội dung
Với những thành tựu ứng dụng vượt trội của học máy và đặc biệt là học sâu trong thời gian gần đây, việc ứng dụng các kỹ thuật học máy, học sâu trong bài toán giấu tin mật trong ảnh đang dần được quan tâm chú ý. Giấu tin trong ảnh số sử dụng các mạng nơron nhân tạo của học sâu là một lĩnh vực mới, vẫn còn nhiều thách thức cần được tiếp tục nghiên cứu giải quyết để đạt được hiệu quả ứng dụng thực tiễn mong muốn.
Ngày đăng: 17/01/2021, 16:38
Nguồn tham khảo
| Tài liệu tham khảo | Loại | Chi tiết | ||||||
|---|---|---|---|---|---|---|---|---|
| 3. Nguyễn Thái Sơn (2016), Thủy vân thuận nghịch trên ảnh số và một số ứng dụng trong y tế.Tiếng Anh | Sách, tạp chí |
|
||||||
| 18. Vojtěch Holub, Jessica Fridrich, and Tomáš Denemark (2014), Universal distortion function for steganography in an arbitrary domain. Eurasip J. Inf.Secur | Sách, tạp chí |
|
||||||
| 24. Yann Lecun, Leon Bottou, Yoshua Bengio, and Patrick Ha (1998), LeNet.In Proceedings of the IEEE | Sách, tạp chí |
|
||||||
| 30. Ernst Dietrich Munz (2017), Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift Sergey.Nervenheilkunde | Sách, tạp chí |
|
||||||
| 41. Hang Zhao, Orazio Gallo, Iuri Frosio, and Jan Kautz (2016), Loss Functions for Image Restoration With Neural Networks. IEEE Trans.Comput. Imaging | Sách, tạp chí |
|
||||||
| 1. Trần Đại Dương (2012), Kỹ thuật giấu tin thuận nghịch trong ảnh bằng hiệu chỉnh hệ số wavelet | Khác | |||||||
| 4. Abien Fred Agarap (2018), Deep Learning using Rectified Linear Units (ReLU) | Khác | |||||||
| 5. Shumeet Baluja (2017), Hiding Images in Plain Sight: Deep Steganography. In Advances in Neural Information Processing Systems 30 | Khác | |||||||
| 6. Mauro Barni and Stefan Katzenbeisser (2010), Digital watermarking. In Handbook of Financial Cryptography and Security | Khác | |||||||
| 7. Anthony L. Caterini and Dong Eui Chang (2018), Recurrent neural networks. In SpringerBriefs in Computer Science | Khác | |||||||
| 8. Franỗois Chollet (2016), Xceptinon: Deep Learning with Separable Convolutions. arXiv Prepr. arXiv1610.02357 (2016) | Khác | |||||||
| 9. Laurent Dinh, David Krueger, and Yoshua Bengio (2015), NICE : N ON - LINEAR I NDEPENDENT C OMPONENTS | Khác | |||||||
| 10. M. Divya Bharathi and T. Dhikhi (2016), A survey on image steganography techniques. Int. J. Pharm. Technol | Khác | |||||||
| 11. Xuedan Du, Yinghao Cai, Shuo Wang, and Leijie Zhang (2017), Overview of deep learning. Proc. - 2016 31st Youth Acad. Annu. Conf. Chinese Assoc | Khác | |||||||
| 12. Ian J. Goodfellow (2014), Generative Adversarial Nets Ian. Corrosion | Khác | |||||||
| 13. Dongbing Gu (2011), A game theory approach to target tracking in sensor networks. IEEE Trans. Syst. Man, Cybern. Part B Cybern | Khác | |||||||
| 14. Gokhan Gul and Fatih Kurugollu (2011), A new methodology in steganalysis: Breaking highly undetectable steganograpy (HUGO). In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | Khác | |||||||
| 15. Kaiming He, Xiangyu Zhang, Shaoqing Ren, and Jian Sun (2016), Deep residual learning for image recognition. In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition | Khác | |||||||
| 16. G. E. Hinton and R. R. Salakhutdinov (2006), Reducing the dimensionality of data with neural networks. Science (80-. ) | Khác | |||||||
| 17. Vojtěch Holub and Jessica Fridrich (2012), Designing steganographic distortion using directional filters. In WIFS 2012 - Proceedings of the 2012 IEEE International Workshop on Information Forensics and Security | Khác |
TÀI LIỆU CÙNG NGƯỜI DÙNG
TÀI LIỆU LIÊN QUAN