近日，计算机科学与技术学院2021级电子信息专业研究生刘佳豪以第一作者在SCI三区期刊IEEE SIGNAL PROCESSING LETTERS(2022年影响因子：3.201)发表研究论文，论文题目为《Feature passing learning for image steganalysis》。

该论文是在我校焦铬教授的指导下完成，衡阳师范学院为唯一署名单位。论文核心理论是：图像隐写分析是指检测图像中是否藏有秘密信息，这类技术在信息安全领域有巨大的应用价值。传统的方法大多结合计算机视觉领域内的成熟模型进行结构设计，没有深入考虑适用于图像隐写分析模型结构，忽视了特征在网络的传递过程中弱信号容易消失的问题。这篇letter从加强浅层特征传递和防止下采样特征丢失这两个方面出发，设计了一个超轻量且高精度的图像隐写分析模型FPNet，仅含有0.16M参数量。具体来说FPNet包括一个特征增强传递模块来帮助浅层特征更好地传递到深层，和一个注意力下采样模块对不同通道的特征进行注意力学习和无信息损失的下采样。通过所提出的特征增强传递模块和注意力下采样模块，模型能更好地利用浅层提取的关键弱隐写信号进行分类，提高检测性能。在同等环境下的多个实验结果表明，该方法在检测精度、计算量等多个方面优于当前最先进的方法。

[文字：刘佳豪]