Efficientnets Aplicadas à Esteganálise Em Imagens Digitais -

##plugins.themes.bootstrap3.article.main##

Rafael Albuquerque
https://orcid.org/0000-0001-7927-4036
Arlington Rodrigues
http://orcid.org/0000-0001-5189-820X
Gildo Ferrucio
http://orcid.org/0000-0001-9228-8870
Julia Aguiar
https://orcid.org/0000-0003-2756-2276
José Amarildo Filho
http://orcid.org/0000-0001-9203-0554
Francisco Madeiro
http://orcid.org/0000-0002-6123-0390

Resumo

Diversas arquiteturas CNN com propósito específico para esteganálise foram desenvolvidas e atingiram o estado-da-arte superando os modelos anteriores que se baseavam nas etapas de extração de características e classificação. Novos conjuntos de dados de imagens foram propostos diferenciando-se dos anteriores pela quantidade de instâncias e a variação de características importantes como fator de qualidade e a carga útil (payload) de mensagem escondida em imagens. Além disso, novas arquiteturas de propósito geral têm se mostrado aplicáveis no âmbito da esteganálise e se beneficiam de transfer learning para acelerar o treinamento. Este trabalho aborda o treinamento da Steganalysis Residual Network (SRNET) com inicialização aleatória dos pesos e realiza a comparação de desempenho entre as arquiteturas de CNN Efficientnet e Efficientnetv2, com este último sendo 32% mais rápido que a EfficientnetB4, para cada época de treinamento. Por fim, também é apresentado um experimento envolvendo treinamentos sucessivos entre a imagem de cobertura e suas respectivas estego-imagens.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Albuquerque, R., Rodrigues, A., Ferrucio, G., Aguiar, J., Filho, J., & Madeiro, F. (2022). Efficientnets Aplicadas à Esteganálise Em Imagens Digitais. Revista De Engenharia E Pesquisa Aplicada, 7(2), 32-41. https://doi.org/10.25286/repa.v7i2.2215
Seção
Edição Especial Inteligência Artificial