实验室核心成员翁韶伟教授于2022年8月在SCI二区期刊IEEE Signal Processing letters发表题为"Lightweight and effective deep image steganalysis network"的论文。

摘要：本文中，设计了一种参数量少于40万的轻量级深度隐写分析网，并命名为LWENet。我们从三种不同的视角来减少参数量并提升网络检测性能。其一，预处理部分采用SpatialRichModel（SRM）高通滤波器叠加轻量且有效的瓶颈残差块，在少量增加参数量的基础上提升了隐写信号的信噪比，这有助于提升最终的网络性能。其二，在特征提取部分的后端采用深度可分离卷积以减少参数量并改善网络末端特征图间的通道关系。最后，为了保持LWENet的轻量特性，只选择了一层全连接层（FC，FullyConnected）层作为分类器，同时，为了进一步提升检测性能，在FC层的前端使用多角度全局池化替代传统的全局平均池化来丰富分类特征。

大量的实验证明我们的网络相比于目前最先进的深度隐写分析网络具有更优的性能。