CN112017092A - 水印检测模型的生成和水印检测方法、装置及设备 - Google Patents
水印检测模型的生成和水印检测方法、装置及设备 Download PDFInfo
- Publication number
- CN112017092A CN112017092A CN201910461993.5A CN201910461993A CN112017092A CN 112017092 A CN112017092 A CN 112017092A CN 201910461993 A CN201910461993 A CN 201910461993A CN 112017092 A CN112017092 A CN 112017092A
- Authority
- CN
- China
- Prior art keywords
- watermark
- carrier object
- watermark detection
- information
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
- G06T1/005—Robust watermarking, e.g. average attack or collusion attack resistant
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
Abstract
本申请公开了一种水印检测模型的生成方法,包括:获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述水印模板为在向所述载体对象添加水印信息时采用的模板;根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。采用上述方法,以解决现有存在的检测水印难度较大、复杂度较高的问题。
Description
技术领域
本申请涉及计算机技术领域,具体涉及水印检测模型的生成方法、装置、电子设备和存储设备,本申请同时涉及一种水印检测方法、装置、电子设备和存储设备。
背景技术
图像中包含了丰富且直观的信息,当前在互联网的社交、购物和旅游等领域,都需要大量的图像来给广大用户传递信息。由于互联网信息的传播极为快速和便捷,越来越多的个人和企业选择给自己的图像嵌入水印,如在图像某些区域打上商标或网址的水印,以此保护图像的知识产权。因此,图像使用方在使用图像前,需要对图像进行审核以检测图像中是否具有水印,避免产生误用或者侵权情况的发生。但是,随着互联网的飞速发展和应用,图片使用方每天会通过各种途径获取到大量的图像,在这种情况下,人工审核已满足不了需求。
现有技术下,采用传统的图像处理和优化方法,通过对大量图像水印的一致性进行分析,从而自动检测嵌入图像的水印。这种检测方法通过将图片集合输入到算法中,通过算法分离出水印和背景图像,进而检测出水印。采用此种方法,需要搜集使用同一个水印的大量图像集合,并要求这些具有相同可见水印的图像中的水印嵌入的大小、嵌入的相对位置和嵌入的强度相同。这些要求在实际应用中是很难达到的。
因此,现有技术存在检测水印难度较大、复杂度较高的问题。
发明内容
本申请提供一种水印检测模型的生成方法、装置、电子设备和存储设备,以解决现有存在的检测水印难度较大、复杂度较高的问题。
本申请提供一种水印检测模型的生成方法,包括:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
可选的,所述获得水印数据集,包括:
获得载体对象集;其中,同一载体对象集中的各载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息;不同载体对象集中各载体对象具有不同的水印嵌入强度信息和不同的尺寸关系信息;
获得载体对象集的标签信息;
根据所述载体对象集与所述标签信息,生成多个水印数据集。
可选的,还包括:
将所述标签信息保存至文本文件中;
将所述文本文件转换为预定格式的非文本文件;
所述根据所述载体对象集与所述标签信息,生成多个水印数据集,包括:
根据所述载体对象集与所述非文本文件,生成多个水印数据集。
可选的,所述标签信息,包括以下至少一种:
载体对象中水印的类别信息;
水印在载体对象中嵌入的位置信息;
载体对象中水印的名称信息。
可选的,所述根据所述多个水印数据集,生成多个水印检测分支模块,包括:
将水印数据集中的载体对象输入神经网络模型中的卷积层,提取所述载体对象的特征图;
将所述载体对象的特征图输入神经网络模型中的候选区域网络,生成包含水印的推荐区域;
将所述载体对象的特征图及所述推荐区域输入神经网络模型中的感兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到载体对象中水印的类别的测试值;
根据所述测试值与所述标签信息训练神经网络模型,生成水印检测分支模块。
可选的,所述水印检测分支的数量与所述水印数据集的数量相等;一个水印数据集用于生成一个水印检测分支模块。
本申请还提供一种水印检测方法,包括:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
可选的,所述将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果,包括:
将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果;
根据所述多个针对所述待检测载体对象的水印检测初步结果,获得针对所述待检测载体对象的水印最终检测结果。
可选的,还包括:获得针对每个水印初步检测结果的置信度;
所述根据所述多个针对所述待检测载体对象的水印初步检测结果,获得针对所述待检测载体对象的水印最终检测结果,包括:
根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果。
可选的,所述根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果,包括:
将置信度最大的水印初步检测结果作为所述水印最终检测结果。
可选的,将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果,包括:
将所述待检测载体对象输入到所述水印检测模型的卷积层,提取所述待检测载体对象的特征图;
将所述待检测载体对象的特征图输入所述水印检测模型的候选区域网络,生成包含可见水印的推荐区域;
将所述待检测载体对象的特征图及所述推荐区域输入所述水印检测模型的兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到多个所述待检测载体对象中的水印检测初步结果。
可选的,所水印初步检测结果,包括以下至少一种信息:
所述待检测载体对象中水印的类别信息;
水印在所述待检测载体对象中的位置信息。
本申请还提供一种水印检测方法,包括:
获得待检测载体对象;
获得所述待检测载体对象的水印嵌入强度信息和尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述水印嵌入强度信息和尺寸关系信息,获得针对所述待检测载体对象的水印检测结果。
本申请还提供一种水印检测模型的生成装置,包括:
水印数据集获得单元,用于获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
水印检测分支生成单元,用于根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
水印检测模型生成单元,用于根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
本申请还提供一种电子设备,包括:
处理器;
存储器,用于存储水印检测模型的生成的方法的程序,该设备通电并通过所述处理器运行该水印检测模型的生成的方法的程序后,执行下述步骤:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
本申请还提供一种存储设备,存储有水印检测模型的生成的方法的程序,该程序被处理器运行,执行下述步骤:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
本申请另外提供一种水印检测装置,包括:
待检测载体对象获得单元,用于获得待检测载体对象;
水印检测结果得到单元,用于将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
本申请另外提供一种电子设备,包括:
处理器;
存储器,用于存储水印检测方法的程序,该设备通电并通过所述处理器运行该水印检测方法的程序后,执行下述步骤:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
本申请另外提供一种存储设备,存储有水印检测方法的程序,该程序被处理器运行,执行下述步骤:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
与现有技术相比,本申请具有以下优点:
本申请提供一种水印检测模型的生成方法,本申请第一实施例通过训练多个不同的水印嵌入强度信息和不同的尺寸关系信息下的分支,并根据训练出的多个分支来构造水印检测模型,采用上述水印检测模型可以有效地完成不同的水印嵌入强度和不同尺寸关系下的可见水印的检测任务,解决现有存在的检测水印难度较大、复杂度较高的问题。
附图说明
图1A为本申请提供的第一应用场景实施例的示意图。
图1B为本申请提供的第二应用场景实施例的示意图。
图1是本申请第一实施例提供的一种水印检测模型的生成方法的流程图。
图2是本申请第一实施例提供的一种获得水印数据集的流程图。
图3是本申请第一实施例提供的一种根据多个水印数据集,生成多个水印检测分支模块的示意图。
图4是本申请的第一实施例提供的一种根据多个水印数据集,生成多个水印检测分支模块的流程图。
图5是本申请的第一实施例提供的一种水印检测模型的示意图。
图6是本申请第二实施例提供的一种水印检测方法的流程图。
图7是本申请第二实施例提供的一种获得多个针对待检测载体对象的水印初步检测结果的流程图。
图8是本申请第三实施例提供的一种水印检测方法的流程图。
图9是本申请第四实施例提供的一种水印检测模型的生成装置的示意图。
图10是本申请第五实施例提供的一种电子设备的示意图。
图11是本申请第七实施例提供的一种水印检测装置的示意图。
图12是本申请第八实施例提供的一种电子设备的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施的限制。
为了更清楚地展示本申请,先介绍一下本申请实施例提供的水印检测方法的应用场景。
本申请提供的一些实施例可以应用于客户端与服务器交互的场景,如图1A所示,其为本申请提供的第一应用场景实施例的示意图。客户端首先与服务器建立连接,连接之后客户端发送待检测图像至服务器,服务器接收待检测图像并对待检测图像进行水印检测,得到待检测图像的水印检测结果,并将待检测图像的水印检测结果发送至客户端,客户端接收待检测图像的水印检测结果。
此外,本申请提供的一些实施例可以应用于客户端的内部处理,如图1B所示,其为本申请提供的第二应用场景实施例的示意图。客户端获得待检测图像后,对待检测图像进行检测,得到待检测图像的水印检测结果,之后输出待检测图像的水印检测结果。需要说明的是,上述两个应用场景仅仅是应用场景的两个实施例,提供这两个应用场景实施例的目的是便于理解本申请的水印检测方法,而并非用于限定本申请的水印检测方法。
本申请第一实施例提供一种水印检测模型的生成方法,以下结合图1、图2、图3、图4进行说明。
如图1所示,在步骤S101中,获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象嵌入水印信息时采用的模板。
所述水印嵌入强度,可以指水印嵌入强度因子。水印嵌入强度越强,水印的鲁棒性越好。
所述尺寸关系,可以指水印模板与载体对象的尺度比,即水印模板矩形的宽、高的尺寸分别与载体对象的宽、高的尺寸之比。
请参见图2,其为本申请的第一实施例提供的一种获得水印数据集的流程图,具体包括步骤S101-1至S101-3。
如图2所示,在步骤S101-1中,获得载体对象集;其中,同一载体对象集中的各载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息;不同载体对象集中各载体对象具有不同的水印嵌入强度信息和不同的尺寸关系信息。
每个载体对象集,可以指包括多个嵌入水印的载体对象的集合。
所述获得载体对象集,可以指获得多个载体对象集,每个载体对象集中的各载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息;不同载体对象集中各载体对象具有不同的水印嵌入强度信息和不同的尺寸关系信息。
例如,获得n组可见水印图片集(即载体对象集),分别编号为1、2、3……n。1号可见水印图片集中的水印嵌入强度为α=x1,水印模版与被添加图片(载体对象)的尺度比为s=y1;2号可见水印图片集的水印嵌入强度为α=x2,水印模版与被添加图片的尺度比为s=y2;3号可见水印图片集的水印嵌入强度为α=x3,水印模版与被添加图片的尺度比为s=y3;以此类推,n-1号可见水印图片集的水印嵌入强度为α=xn-1,水印模版与被添加图片的尺度比为s=yn-1;n号可见水印图片集的水印嵌入强度为α=xn,水印模版与被添加图片的尺度比为s=yn(上述叙述中的xi,yi均是为0至1之间的小数,i∈[1,n])。上述n组可见水印图片集中的水印嵌入位置是随机的,且在嵌入水印模版的过程中记录添加水印的位置信息。
如图2所示,在步骤S101-2中,获得载体对象集的标签信息。
所述标签信息,包括以下至少一种:载体对象中水印的类别信息;水印在载体对象中嵌入的位置信息;载体对象中水印的名称信息。所述载体对象中水印的类别根据载体对象的水印嵌入强度信息和尺寸关系信息确定。例如,上述例子中1号可见水印图片集中的载体对象中水印的类别信息可以为(α=x1,s=y1)。
如图2所示,在步骤S101-3中,根据所述载体对象集与所述标签信息,生成多个水印数据集。
作为一种实施方式,为了方便自动化处理,可以将标签信息先保存至文本文件中;再将文本文件转换为预定格式的非文本文件。所述预定格式的非文本文件,可以为XML文件。
所述根据所述载体对象集与所述标签信息,生成多个水印数据集,包括:
根据所述载体对象集与所述非文本文件,生成多个水印数据集。
仍沿用上面的例子,可以先将每个可见水印图片集的标签信息分别保存至一个TXT文件中;再将TXT文件转换为VOC2007格式的XML文件,将1号可见水印图片集与1号XML文件合并建立1号水印数据集,将2号可见水印图片集与2号XML文件合并建立2号水印数据集,将3号可见水印图片集与3号XML文件合并建立3号水印数据集,以此类推,构建1至n号水印数据集。
如图1所示,在步骤S102中,根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果。
所述指定的水印嵌入强度,指水印检测分支模块对应的水印数据集的水印嵌入强度。例如,水印检测分支1对应的水印嵌入强度为α=x1;水印检测分支n对应的水印嵌入强度为α=xn。
所述指定的尺寸关系,指水印检测分支模块对应的水印数据集的尺寸关系。例如,水印检测分支1对应的尺寸关系为尺度比s=y1。
所述水印检测初步结果,指一个水印检测分支模块获得的水印检测初步结果,每个水印检测分支模块获得一个水印初步检测结果,再根据水印检测初步结果获得水印最终检测结果。
所述水印检测分支的数量可以与所述水印数据集的数量相等;一个水印数据集用于生成一个水印检测分支模块。例如,如图3所示,根据n个水印数据集,生成n水印检测分支模块。
例如,将步骤101中所构建的n个水印数据集,分别输入基础目标检测网络FasterR-CNN中获得1至n号分支。其中,Faster R-CNN为基于深度学习的目标检测网络。
请参见图4,其为本申请的第一实施例提供的一种根据多个水印数据集,生成多个水印检测分支模块的流程图,具体包括步骤S102-1至S102-4。
如图4所示,在步骤S102-1中,将水印数据集中的载体对象输入神经网络模型中的卷积层,提取所述载体对象的特征图。
例如,如图3所示,神经网络模型为Faster R-CNN,水印数据集包括1至n号水印数据集,将水印数据集中带有可见水印的图片(载体对象)输入卷积层Conv layers(例如,选择VGG16卷积网络)提取带有可见水印图片的特征图(feature maps)。
如图4所示,在步骤S102-2中,将所述载体对象的特征图输入神经网络模型中的候选区域网络,生成包含水印的推荐区域。
例如,如图3所示,将上述带有可见水印图片的特征图输入候选区域网络RPN(Region Proposals Networks)层生成anchors(基于深度学习的目标检测算法Faster R-CNN中在图像的每个像素点生成的矩形框),RPN层通过softmax判断anchors是属于前景(包含水印的anchor)或者背景(不包含水印的anchor),再利用边界框回归修正anchors来获得精确的包含水印的推荐区域。
如图4所示,在步骤S102-3中,将所述载体对象的特征图及所述推荐区域输入神经网络模型中的感兴趣区域池化层,得到推荐区域特征图。
例如,如图3所示,将卷积层生成的带有可见水印图片的特征图及候选区域网络层生成的包含水印的推荐区域输入RoI Pooling(感兴趣区域池化层)层,感兴趣区域池化层提取推荐区域特征图(proposal feature maps)。
如图4所示,在步骤S102-4中,将所述推荐区域特征图输入分类器,得到载体对象中水印的类别的测试值。
如图4所示,在步骤S102-5中,根据所述测试值与所述标签信息训练所述神经网络模型,生成水印检测分支模块。
如图1所示,在步骤S103中,根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印检测初步结果获得针对载体对象的水印检测最终结果。
如图5所示,其为一种水印检测模型的示意图。
至此,完成了对本申请第一实施例的介绍。本申请第一实施例通过训练多个不同的水印嵌入强度信息和不同的尺寸关系信息下的分支,并根据训练出的多个分支来构造水印检测模型,采用上述水印检测模型可以有效地检测不同的水印嵌入强度和不同尺寸关系下的可见水印的检测任务,解决现有存在的检测水印难度较大、复杂度较高的问题。
本申请第二实施例提供一种水印检测方法,以下结合图6、图7进行说明。
如图6所示,在步骤S601中,获得待检测载体对象。
所述待检测载体对象,可以指任何一个图像。例如,待检测载体对象为一个嵌入可见水印的图像。
如图6所示,在步骤S602中,将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
所述水印嵌入强度,可以指水印嵌入强度因子。水印嵌入强度越强,水印的鲁棒性越好。
所述尺寸关系,可以指水印模板与载体对象的尺度比,即水印模板矩形的宽、高的尺寸分别与待检测载体对象的宽、高的尺寸之比。其中,水印模板为在向待检测载体对象添加水印信息时采用的模板。
所述水印检测结果,包括:待检测载体对象中水印的类别信息;水印在待检测载体对象中的位置信息、待检测载体对象中水印的图片名称等。
所述将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果,包括:
将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果;
根据所述多个针对所述待检测载体对象的水印初步检测结果,获得针对所述待检测载体对象的水印最终检测结果。
如图5所示,水印检测模型由多个水印检测分支模块组成,每个水印检测分支模块可以获得一个针对待检测载体对象的水印初步检测结果,根据多个水印初步检测结果,获得针对待检测载体对象的水印最终检测结果。
请参见图7,其为本申请的第二实施例提供的一种将待检测载体对象输入到水印检测模型中,获得多个针对待检测载体对象的水印初步检测结果的流程图,具体包括步骤S502-1至S502-4。
如图7所示,在步骤S502-1,将所述待检测载体对象输入到所述水印检测模型的卷积层,提取所述待检测载体对象的特征图。
如图7所示,在步骤S502-2,将所述待检测载体对象的特征图输入所述水印检测模型的候选区域网络,生成包含可见水印的推荐区域。
如图7所示,在步骤S502-3,将所述待检测载体对象的特征图及所述推荐区域输入所述水印检测模型的兴趣区域池化层,得到推荐区域特征图。
如图7所示,在步骤S502-4,将所述推荐区域特征图输入分类器,得到多个所述待检测载体对象中的水印初步检测结果。
作为一个优选方式,本申请第二实施例还可以包括:获得针对每个水印初步检测结果的置信度。
所述根据所述多个针对所述待检测载体对象的水印初步检测结果,获得针对所述待检测载体对象的水印最终检测结果,包括:
根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果。
所述根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果,包括:
将置信度最大的水印初步检测结果作为所述水印最终检测结果。
例如,如图5所示,将输入图片(即待检测载体对象)输入到该多分支水印检测模型中,各个分支会分别得到各自对应的初步检测结果:可见水印的检测框的位置坐标以及检测结果的置信度score(n个分支分别得到各自所对应的置信度score1、score2、score3、……scoren-1和scoren),如果某一分支未检测到水印,该分支输出的水印检测框信息将被设置为[0,0,0,0],而且该分支的检测置信度也将会被置为0,多分支自水印检测模型将根据这n个分支的检测结果的置信度(score)作为决策标准,选择置信度(score)取得最大值的分支作为最终检测结果,输出可见水印检测框的位置坐标、类别、图片名称以及置信度。如果所有分支均未检测到可见水印,该多分支水印检测模型将会设置被检测图片可见水印检测框的位置为[0,0,0,0],置信度为0和图片名称。
本申请第三实施例提供一种水印检测方法,以下结合图8进行说明。
如图8所示,在步骤801中,获得待检测载体对象。
如图8所示,在步骤802中,获得所述待检测载体对象的水印嵌入强度信息和尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板。
如图8所示,在步骤803中,根据所述水印嵌入强度信息和尺寸关系信息,获得针对所述待检测载体对象的水印检测结果。
与本申请第一实施例提供的水印检测模型的生成方法相对应的,本申请第四实施例还提供一种水印检测模型的生成装置。
如图9所示,所述水印检测模型的生成装置包括:
水印数据集获得单元901,用于获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
水印检测分支生成单元902,用于根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
水印检测模型生成单元903,用于根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
可选的,所述水印数据集获得单元具体用于:
获得载体对象集;其中,同一载体对象集中的各载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息;不同载体对象集中各载体对象具有不同的水印嵌入强度信息和不同的尺寸关系信息;
获得载体对象集的标签信息;
根据所述载体对象集与所述标签信息,生成多个水印数据集。
可选的,所述装置还包括:
标签信息保存单元,用于将所述标签信息保存至文本文件中;
文本文件转换单元,用于将所述文本文件转换为预定格式的非文本文件;
所述根据所述载体对象集与所述标签信息,生成多个水印数据集,包括:
根据所述载体对象集与所述非文本文件,生成多个水印数据集。
可选的,所述标签信息,包括以下至少一种:
载体对象中水印的类别信息;
水印在载体对象中嵌入的位置信息;
载体对象中水印的名称信息。
可选的,所述水印检测分支生成单元,具体用于:
将水印数据集中的载体对象输入神经网络模型中的卷积层,提取所述载体对象的特征图;
将所述载体对象的特征图输入神经网络模型中的候选区域网络,生成包含水印的推荐区域;
将所述载体对象的特征图及所述推荐区域输入神经网络模型中的感兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到载体对象中水印的类别的测试值;
根据所述测试值与所述标签信息训练神经网络模型,生成水印检测分支模块。
可选的,所述水印检测分支的数量与所述水印数据集的数量相等;一个水印数据集用于生成一个水印检测分支模块。
需要说明的是,对于本申请第四实施例提供的水印检测模型的生成装置的详细描述可以参考对本申请第一实施例的相关描述,这里不再赘述。
与本申请第一实施例提供的水印检测模型的生成方法相对应的,本申请第五实施例还提供一种电子设备。
如图10所示,所述电子设备包括:
处理器1001;
存储器1002,用于存储水印检测模型的生成的方法的程序,该设备通电并通过所述处理器运行该水印检测模型的生成的方法的程序后,执行下述步骤:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
可选的,所述获得水印数据集,包括:
获得载体对象集;其中,同一载体对象集中的各载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息;不同载体对象集中各载体对象具有不同的水印嵌入强度信息和不同的尺寸关系信息;
获得载体对象集的标签信息;
根据所述载体对象集与所述标签信息,生成多个水印数据集。
可选的,所述电子设备还执行下述步骤:
将所述标签信息保存至文本文件中;
将所述文本文件转换为预定格式的非文本文件;
所述根据所述载体对象集与所述标签信息,生成多个水印数据集,包括:
根据所述载体对象集与所述非文本文件,生成多个水印数据集。
可选的,所述标签信息,包括以下至少一种:
载体对象中水印的类别信息;
水印在载体对象中嵌入的位置信息;
载体对象中水印的名称信息。
可选的,所述根据所述多个水印数据集,生成多个水印检测分支模块,包括:
将水印数据集中的载体对象输入神经网络模型中的卷积层,提取所述载体对象的特征图;
将所述载体对象的特征图输入神经网络模型中的候选区域网络,生成包含水印的推荐区域;
将所述载体对象的特征图及所述推荐区域输入神经网络模型中的感兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到载体对象中水印的类别的测试值;
根据所述测试值与所述标签信息训练神经网络模型,生成水印检测分支模块。
可选的,所述水印检测分支的数量与所述水印数据集的数量相等;一个水印数据集用于生成一个水印检测分支模块。
需要说明的是,对于本申请第五实施例提供的电子设备的详细描述可以参考对本申请第一实施例的相关描述,这里不再赘述。
与本申请第一实施例提供的水印检测模型的生成方法相对应的,本申请第六实施例还提供一种存储设备,存储有水印检测模型的生成的方法的程序,该程序被处理器运行,执行下述步骤:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
需要说明的是,对于本申请第六实施例提供的存储设备的详细描述可以参考对本申请第一实施例的相关描述,这里不再赘述。
与本申请第二实施例提供的水印检测方法相对应的,本申请第七实施例还提供一种水印检测装置。
如图11所示,所述水印检测装置,包括:
待检测载体对象获得单元1101,用于获得待检测载体对象;
水印检测结果得到单元1102,用于将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
可选的,所述水印检测结果得到单元,包括:
初步检测结果得到子单元,用于将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果;
最终检测结果得到子单元,用于根据所述多个针对所述待检测载体对象的水印检测初步结果,获得针对所述待检测载体对象的水印最终检测结果。
可选的,所述装置还包括:置信度获得单元,用于获得针对每个水印初步检测结果的置信度;
所述最终检测结果得到子单元,具体用于:
根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果。
可选的,所述最终检测结果得到子单元,具体用于:
将置信度最大的水印初步检测结果作为所述水印最终检测结果。
可选的,所述初步检测结果得到子单元,具体用于:
将所述待检测载体对象输入到所述水印检测模型的卷积层,提取所述待检测载体对象的特征图;
将所述待检测载体对象的特征图输入所述水印检测模型的候选区域网络,生成包含可见水印的推荐区域;
将所述待检测载体对象的特征图及所述推荐区域输入所述水印检测模型的兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到多个所述待检测载体对象中的水印检测初步结果。
可选的,所水印初步检测结果,包括以下至少一种信息:
所述待检测载体对象中水印的类别信息;
水印在所述待检测载体对象中的位置信息。
需要说明的是,对于本申请第七实施例提供的水印检测装置的详细描述可以参考对本申请第二实施例的相关描述,这里不再赘述。
与本申请第二实施例提供的水印检测方法相对应的,本申请第八实施例还提供一种电子设备。
如图12所示,所述电子设备包括:
处理器1201;
存储器1202,用于存储水印检测方法的程序,该设备通电并通过所述处理器运行该水印检测方法的程序后,执行下述步骤:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
可选的,所述将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果,包括:
将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果;
根据所述多个针对所述待检测载体对象的水印检测初步结果,获得针对所述待检测载体对象的水印最终检测结果。
可选的,所述电子设备还执行下述步骤:
获得针对每个水印初步检测结果的置信度;
所述根据所述多个针对所述待检测载体对象的水印初步检测结果,获得针对所述待检测载体对象的水印最终检测结果,包括:
根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果。
可选的,所述根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果,包括:
将置信度最大的水印初步检测结果作为所述水印最终检测结果。
可选的,将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果,包括:
将所述待检测载体对象输入到所述水印检测模型的卷积层,提取所述待检测载体对象的特征图;
将所述待检测载体对象的特征图输入所述水印检测模型的候选区域网络,生成包含可见水印的推荐区域;
将所述待检测载体对象的特征图及所述推荐区域输入所述水印检测模型的兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到多个所述待检测载体对象中的水印检测初步结果。
可选的,所水印初步检测结果,包括以下至少一种信息:
所述待检测载体对象中水印的类别信息;
水印在所述待检测载体对象中的位置信息。
需要说明的是,对于本申请第八实施例提供的电子设备的详细描述可以参考对本申请第二实施例的相关描述,这里不再赘述。
与本申请第二实施例提供的水印检测方法相对应的,本申请第九实施例还提供一种存储设备,存储有水印检测方法的程序,该程序被处理器运行,执行下述步骤:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
需要说明的是,对于本申请第九实施例提供的存储设备的详细描述可以参考对本申请第二实施例的相关描述,这里不再赘述。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
Claims (19)
1.一种水印检测模型的生成方法,其特征在于,包括:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
2.根据权利要求1所述的方法,其特征在于,所述获得水印数据集,包括:
获得载体对象集;其中,同一载体对象集中的各载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息;不同载体对象集中各载体对象具有不同的水印嵌入强度信息和不同的尺寸关系信息;
获得载体对象集的标签信息;
根据所述载体对象集与所述标签信息,生成多个水印数据集。
3.根据权利要求2所述的方法,其特征在于,还包括:
将所述标签信息保存至文本文件中;
将所述文本文件转换为预定格式的非文本文件;
所述根据所述载体对象集与所述标签信息,生成多个水印数据集,包括:
根据所述载体对象集与所述非文本文件,生成多个水印数据集。
4.根据权利要求3所述的方法,其特征在于,所述标签信息,包括以下至少一种:
载体对象中水印的类别信息;
水印在载体对象中嵌入的位置信息;
载体对象中水印的名称信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多个水印数据集,生成多个水印检测分支模块,包括:
将水印数据集中的载体对象输入神经网络模型中的卷积层,提取所述载体对象的特征图;
将所述载体对象的特征图输入神经网络模型中的候选区域网络,生成包含水印的推荐区域;
将所述载体对象的特征图及所述推荐区域输入神经网络模型中的感兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到载体对象中水印的类别的测试值;
根据所述测试值与所述标签信息训练神经网络模型,生成水印检测分支模块。
6.根据权利要求1所述的方法,其特征在于,所述水印检测分支的数量与所述水印数据集的数量相等;一个水印数据集用于生成一个水印检测分支模块。
7.一种水印检测方法,其特征在于,包括:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
8.根据权利要求7所述的方法,其特征在于,所述将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果,包括:
将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果;
根据所述多个针对所述待检测载体对象的水印检测初步结果,获得针对所述待检测载体对象的水印最终检测结果。
9.根据权利要求8所述的方法,其特征在于,还包括:获得针对每个水印初步检测结果的置信度;
所述根据所述多个针对所述待检测载体对象的水印初步检测结果,获得针对所述待检测载体对象的水印最终检测结果,包括:
根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果。
10.根据权利要求9所述的方法,其特征在于,所述根据所述多个水印初步检测结果以及针对每个水印初步检测结果的置信度,确定针对所述待检测载体对象的水印最终检测结果,包括:
将置信度最大的水印初步检测结果作为所述水印最终检测结果。
11.根据权利要求8所述的方法,其特征在于,将所述待检测载体对象输入到水印检测模型中,获得多个针对所述待检测载体对象的水印初步检测结果,包括:
将所述待检测载体对象输入到所述水印检测模型的卷积层,提取所述待检测载体对象的特征图;
将所述待检测载体对象的特征图输入所述水印检测模型的候选区域网络,生成包含可见水印的推荐区域;
将所述待检测载体对象的特征图及所述推荐区域输入所述水印检测模型的兴趣区域池化层,得到推荐区域特征图;
将所述推荐区域特征图输入分类器,得到多个所述待检测载体对象中的水印检测初步结果。
12.根据权利要求7所述的方法,其特征在于,所水印初步检测结果,包括以下至少一种信息:
所述待检测载体对象中水印的类别信息;
水印在所述待检测载体对象中的位置信息。
13.一种水印检测方法,其特征在于,包括:
获得待检测载体对象;
获得所述待检测载体对象的水印嵌入强度信息和尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述水印嵌入强度信息和尺寸关系信息,获得针对所述待检测载体对象的水印检测结果。
14.一种水印检测模型的生成装置,其特征在于,包括:
水印数据集获得单元,用于获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
水印检测分支生成单元,用于根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
水印检测模型生成单元,用于根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
15.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储水印检测模型的生成的方法的程序,该设备通电并通过所述处理器运行该水印检测模型的生成的方法的程序后,执行下述步骤:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
16.一种存储设备,其特征在于,
存储有水印检测模型的生成的方法的程序,该程序被处理器运行,执行下述步骤:
获得多个水印数据集;其中,同一水印数据集中的载体对象具有相同的水印嵌入强度信息和相同的尺寸关系信息,所述尺寸关系信息用于表示水印模板的尺寸信息与载体对象的尺寸信息之间的关系,所述水印模板为在向所述载体对象添加水印信息时采用的模板;
根据所述多个水印数据集,生成多个水印检测分支模块;每个水印检测分支模块用于基于指定的水印嵌入强度信息和指定的尺寸关系信息获得针对载体对象的水印初步检测结果;
根据所述多个水印检测分支模块生成水印检测模型;所述水印检测模型用于根据所述多个水印检测分支模块的水印初步检测结果获得针对载体对象的水印最终检测结果。
17.一种水印检测装置,其特征在于,包括:
待检测载体对象获得单元,用于获得待检测载体对象;
水印检测结果得到单元,用于将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
18.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储水印检测方法的程序,该设备通电并通过所述处理器运行该水印检测方法的程序后,执行下述步骤:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
19.一种存储设备,其特征在于,
存储有水印检测方法的程序,该程序被处理器运行,执行下述步骤:
获得待检测载体对象;
将所述待检测载体对象输入到水印检测模型中,得到针对所述待检测载体对象的水印检测结果;所述水印检测模型用于根据待检测载体对象的水印嵌入强度信息和尺寸关系信息获得针对所述待检测载体对象的水印检测结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910461993.5A CN112017092A (zh) | 2019-05-30 | 2019-05-30 | 水印检测模型的生成和水印检测方法、装置及设备 |
PCT/CN2020/090797 WO2020238673A1 (zh) | 2019-05-30 | 2020-05-18 | 水印检测模型的生成和水印检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910461993.5A CN112017092A (zh) | 2019-05-30 | 2019-05-30 | 水印检测模型的生成和水印检测方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112017092A true CN112017092A (zh) | 2020-12-01 |
Family
ID=73500981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910461993.5A Pending CN112017092A (zh) | 2019-05-30 | 2019-05-30 | 水印检测模型的生成和水印检测方法、装置及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112017092A (zh) |
WO (1) | WO2020238673A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102094510B1 (ko) * | 2015-08-25 | 2020-03-27 | 삼성전자주식회사 | 워터마크 데이터 삽입 방법, 장치 및 시스템 |
CN105590292A (zh) * | 2015-12-28 | 2016-05-18 | 辽宁师范大学 | 基于四元数pht同步校正的彩色图像水印嵌入及检测方法 |
CN107194863A (zh) * | 2017-04-07 | 2017-09-22 | 广东精点数据科技股份有限公司 | 图像数字水印嵌入系统及方法 |
CN107808358B (zh) * | 2017-11-13 | 2021-11-05 | 携程计算机技术(上海)有限公司 | 图像水印自动检测方法 |
CN109285105B (zh) * | 2018-09-05 | 2023-08-11 | 北京字节跳动网络技术有限公司 | 水印检测方法、装置、计算机设备和存储介质 |
CN109598231B (zh) * | 2018-12-03 | 2021-03-02 | 广州市百果园信息技术有限公司 | 一种视频水印的识别方法、装置、设备及存储介质 |
-
2019
- 2019-05-30 CN CN201910461993.5A patent/CN112017092A/zh active Pending
-
2020
- 2020-05-18 WO PCT/CN2020/090797 patent/WO2020238673A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020238673A1 (zh) | 2020-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508681B (zh) | 生成人体关键点检测模型的方法和装置 | |
US10803554B2 (en) | Image processing method and device | |
US11631162B2 (en) | Machine learning training method, system, and device | |
US20200210708A1 (en) | Method and device for video classification | |
US10187546B2 (en) | Method and device for correcting document image captured by image pick-up device | |
US9727584B2 (en) | Refining image annotations | |
US8873887B2 (en) | Systems and methods for resizing an image | |
CN111275784B (zh) | 生成图像的方法和装置 | |
CN107330027B (zh) | 一种弱监督的深度台标检测方法 | |
CN113704531A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN111814905A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN110969641A (zh) | 图像处理方法和装置 | |
CN114565768A (zh) | 图像分割方法及装置 | |
CN109492697B (zh) | 图片检测网络训练方法及图片检测网络训练装置 | |
CN111144215A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114612402A (zh) | 对象数量的确定方法、装置、设备、介质及程序产品 | |
US10991085B2 (en) | Classifying panoramic images | |
CN111881996A (zh) | 目标检测方法、计算机设备和存储介质 | |
CN112102404A (zh) | 物体检测追踪方法、装置及头戴显示设备 | |
CN111062385A (zh) | 一种用于图像文本信息检测的网络模型构建方法与系统 | |
CN112017092A (zh) | 水印检测模型的生成和水印检测方法、装置及设备 | |
Uchiyama et al. | Camera tracking by online learning of keypoint arrangements using LLAH in augmented reality applications | |
CN111753729B (zh) | 一种假脸检测方法、装置、电子设备及存储介质 | |
CN111124862B (zh) | 智能设备性能测试方法、装置及智能设备 | |
Li et al. | Saliency segmentation and foreground extraction of underwater image based on localization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |