TY -的A2 - Chen Chi-Hua AU - Chang Ching-Chun PY - 2021 DA - 2021/04/05 TI -神经可逆的隐写术长短期记忆SP - 5580272六世- 2021 AB -深度学习带来了惊人的数字隐写术的范式转变。然而,现在还没有共识的使用深层神经网络在可逆的隐写术,隐写方法的一个类,允许消息嵌入引起的失真被删除。可逆的隐写术领域的落后与深度学习可以归因于认为完美的逆转隐失真看起来几乎可以实现的,由于缺乏透明度和可解释性的神经网络。而不是采用神经网络编码模块的可逆的隐写计划,我们将它们应用到一个分析模块,利用数据冗余提高隐写容量。最先进的可逆数字图像隐写方案主要是基于histogram-shifting方法的分析模块通常描述为一个像素强度预测。在本文中,我们提出了完善传统的先验估计线性预测神经网络模型。改进可以在某种程度上被视为一个低级视觉任务(例如,降噪和超分辨率成像)。在这种方式中,我们探索的前沿neuroscience-inspired低级视觉模型基于长期短期记忆的简要讨论生物合理性。实验结果表明显著提高了神经网络模型在预测精度和隐率失真性能。SN - 1939 - 0114 UR - https://doi.org/10.1155/2021/5580272 - 10.1155 / 2021/5580272摩根富林明安全和通信网络PB - Hindawi KW - ER