CN114493971A - 媒体数据转换模型训练、数字水印嵌入方法和装置 - Google Patents
媒体数据转换模型训练、数字水印嵌入方法和装置 Download PDFInfo
- Publication number
- CN114493971A CN114493971A CN202210108982.0A CN202210108982A CN114493971A CN 114493971 A CN114493971 A CN 114493971A CN 202210108982 A CN202210108982 A CN 202210108982A CN 114493971 A CN114493971 A CN 114493971A
- Authority
- CN
- China
- Prior art keywords
- training
- media data
- conversion
- digital watermark
- data
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0202—Image watermarking whereby the quality of watermarked images is measured; Measuring quality or performance of watermarking methods; Balancing between quality and robustness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0601—Image watermarking whereby calibration information is embedded in the watermark, e.g. a grid, a scale, a list of transformations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种媒体数据转换模型训练方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:将训练媒体数据输入初始媒体数据转换模型中使用初始转换权重信息进行转换,得到训练转换数据;将训练数字水印嵌入训练转换数据中得到带有训练数字水印的训练转换数据;基于初始还原权重信息进行还原,得到带有训练数字水印的训练媒体数据;计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失进行训练得到媒体数据转换模型。媒体数据转换模型使用训练完成的转换权重信息进行数字水印嵌入,得到带有数字水印的媒体数据。采用本方法能够提高带有数字水印的媒体数据的质量,媒体数据包括但不限于视频、语音。
Description
技术领域
本申请涉及互联网技术领域,特别是涉及一种媒体数据转换模型训练、数字水印嵌入方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着互联网的发展,出现了数字水印技术,数字水印是将特定的数字信号嵌入数字产品中保护数字产品版权、完整性、防复制的技术。目前的数字水印技术同时是将待嵌入媒体数据比如音频、视频或图片等通过离散余弦变换、离散小波变换等方法转换到频域中,然后在频域系数上叠加水印信息来完成数字水印嵌入的。
然而,通过在频域系数上叠加水印信息来完成数字水印嵌入的方式会对待嵌入媒体数据造成影响,会导致嵌入数字水印的媒体数据的数据质量降低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高媒体数据质量的媒体数据转换模型训练、数字水印嵌入方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
一方面,本申请提供了一种媒体数据转换模型训练方法。所述方法包括:
获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据;
获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据;
基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用所述媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
另一方面,本申请还提供了一种媒体数据转换模型训练装置。所述装置包括:
训练转换模块,用于获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据;
训练嵌入模块,用于获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据;
训练还原模块,用于基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
权重更新模块,用于计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
迭代模块,用于将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用所述媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
另一方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据;
获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据;
基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用所述媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
另一方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据;
获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据;
基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用所述媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
另一方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据;
获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据;
基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用达到训练完成条件时的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
上述媒体数据转换模型训练方法、装置、计算机设备、存储介质和计算机程序产品,通过将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据。获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据。基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据。计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;基于更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,其中,通过计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,使用相似度损失训练初始媒体数据转换模型,得到媒体数据转换模型,该媒体数据转换模型使用训练完成的转换权重信息进行数字水印嵌入,从而不需要将媒体数据转换到频域中,避免了嵌入数字水印后媒体数据质量降低,提高了带有数字水印的媒体数据的质量。
一方面,本申请提供了一种数字水印嵌入方法。所述方法包括:
获取原始媒体数据;
使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据;
获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据;
基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
另一方面,本申请还提供了一种数字水印嵌入装置。所述装置包括:
数据获取模块,用于获取原始媒体数据;
转换模块,用于使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据;
嵌入模块,用于获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据;
还原模块,用于基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
另一方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取原始媒体数据;
使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据;
获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据;
基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
另一方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取原始媒体数据;
使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据;
获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据;
基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
另一方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取原始媒体数据;
使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据;
获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据;
基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
上述数字水印嵌入方法、装置、计算机设备、存储介质和计算机程序产品,通过使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据,然后将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据,然后基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据,从而不需要将媒体数据转换到频域中,避免了嵌入数字水印后媒体数据质量降低,提高了带有数字水印的媒体数据的质量。
附图说明
图1为一个实施例中媒体数据转换模型训练方法的应用环境图;
图2为一个实施例中媒体数据转换模型训练方法的流程示意图;
图3为一个实施例中得到带有训练数字水印的训练转换数据的流程示意图;
图4为一个实施例中得到目标媒体数据转换模型的流程示意图;
图5为一个实施例中得到一致性损失的流程示意图;
图6为一个具体实施例中媒体数据转换模型的训练框架示意图;
图7为一个实施例中数字水印嵌入方法的流程示意图;
图8为一个具体实施例中数字水印嵌入方法的流程示意图;
图9为一个具体实施例中数字水印嵌入视频的流程示意图;
图10为图9具体实施例中稳定域计算的示意图;
图11为一个实施例中媒体数据转换模型训练装置的结构框图;
图12为一个实施例中数字水印嵌入装置的结构框图;
图13为一个实施例中计算机设备的内部结构图;
图14为另一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
计算机视觉技术(Computer Vision,CV)计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建、自动驾驶、智慧交通等技术,还包括常见的人脸识别、指纹识别等生物特征识别技术。
语音技术(Speech Technology)的关键技术有自动语音识别技术和语音合成技术以及声纹识别技术。让计算机能听、能看、能说、能感觉,是未来人机交互的发展方向,其中语音成为未来最被看好的人机交互方式之一。
本申请实施例提供的方案涉及人工智能的图像处理、视频处理和语音处理等技术,具体通过如下实施例进行说明:
本申请实施例提供的媒体数据转换模型训练方法,可以应用于如图1所示的应用环境中。其中,终端102通过通信网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。服务器104从数据存储系统中获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据;服务器104获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据;服务器104基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;服务器104计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;服务器104将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据,服务器104可以把带有数字水印的媒体数据返回到终端102进行展示。其中,终端102可以但不限于是各种台式计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群或云服务器来实现。
在一个实施例中,如图2所示,提供了一种媒体数据转换模型训练方法,以该方法应用于图1中的服务器为例进行说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现,包括以下步骤:
步骤202,获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据。
其中,训练媒体数据是指训练时使用的媒体数据,该媒体数据是指能够嵌入数字水印的数据,该媒体数据包括但不限于图像、视频、音频和图像文档等等。初始媒体数据转换模型是指模型参数初始化的媒体数据转换模型,该初始媒体数据转换模型可以是使用神经网络建立的。初始转换权重信息是指初始的转换权重信息,该转换权重信息可以将媒体数据转换到一个稳定域中,该稳定域不因原始数据的变化而受到扰动。训练转换数据是指训练得到的使用初始转换权重信息转换后得到的媒体数据。转换前的训练媒体数据与转换后得到的训练转换数据为同类型数据,即都是时域类型的媒体数据。
具体地,服务器可以先通过神经网络建立初始媒体数据转换模型,初始化模型参数,得到初始转换权重信息。然后再对初始媒体数据转换模型进行训练。在训练时,服务器可以从数据库中获取训练媒体数据,可以从数据服务提供方获取到训练媒体数据,也可以获取到终端上传的训练媒体数据。然后将训练媒体数据输入到初始媒体数据转换模型中进行域转换,即初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据。
步骤204,获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据。
其中,训练数字水印是指训练时使用的数字水印,该数字水印可以是标识、名称、字符串、数字、动态图、静态图等等。
具体地,服务器可以获取到终端上传的训练数字水印,也可以从数据库中获取到已保存好的训练数字水印,还可以从数据服务提供方获取到训练数字水印,也可以实时生成训练数字水印。然后将训练数字水印叠加到训练转换数据中,得到带有训练数字水印的训练转换数据。通过在转换数据中叠加数字水印,可以对原始媒体数据的影响降低最低,也同时能够更加的抗干扰。
步骤206,基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据。
其中,初始还原权重信息是用于将带有训练数字水印的训练转换数据进行恢复的初始信息,即将训练转换数据恢复到转换前的媒体数据。带有训练数字水印的训练媒体数据是指叠加有训练数字水印的训练媒体数据。
具体地,服务器可以对初始转换权重信息进行逆向运算,得到初始还原权重信息,然后使用初始还原权重信息与对带有训练数字水印的训练转换数据进行还原运算,得到带有训练数字水印的训练媒体数据。
步骤208,计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型。
其中,相似度损失用于表征带有训练数字水印的训练媒体数据对应的质量与训练媒体数据对应的质量之间的误差,误差越小,越相似,说明叠加数字水印的媒体数据质量越高。更新媒体数据转换模型是指模型参数更新后的媒体数据转换模型。
具体地,服务器使用相似度算法计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度,将该相似度作为相似度损失,其中,相似度算法可以是距离相似度、余弦相似度等其他可以计算相似度的算法。基于相似度损失使用梯度下降算法反向更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型。
步骤210,将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
具体地,服务器将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中的步骤进行迭代执行,其中,每一次迭代使用的训练媒体数据可以不同。然后,当达到训练完成条件时,将训练完成时对应的初始媒体数据转换模型作为最终训练完成的媒体数据转换模型。其中,训练完成条件可以包括训练达到最大迭代次数,训练时的相似度损失最小化、模型参数不再发生变化等等。然后可以使用媒体数据转换模型进行数字水印嵌入,即媒体数据转换模型将媒体数据使用媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。该媒体数据转换模型的转换权重信息能够将媒体数据转换到稳定域中,使得到的带有数字水印的媒体数据的质量与媒体数据的质量基本一致,保证带有数字水印的媒体数据的质量。在一个实施例中,当训练媒体数据为图像时,训练得到的是图像转换模型,可以对图像进行数字水印嵌入。当训练媒体数据为视频时,训练得到的是视频转换模型,可以对视频进行数字水印嵌入。当训练媒体数据为音频时,训练得到的是音频转换模型,可以对音频进行数字水印嵌入。当训练媒体数据为图像文档时,训练得到的是图像文档转换模型,可以对图像文档进行数字水印嵌入。
上述媒体数据转换模型训练方法,通过将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据。获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据。基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据。计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,其中,通过计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,使用相似度损失训练初始媒体数据转换模型,得到媒体数据转换模型,该媒体数据转换模型使用训练完成的转换权重信息进行数字水印嵌入,从而不需要将媒体数据转换到频域中,避免了嵌入数字水印后媒体数据质量降低,提高了带有数字水印的媒体数据的质量。
在一个实施例中,初始转换权重信息包括初始转换权重参数矩阵;
步骤202,使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据,包括:
基于训练媒体数据得到训练媒体矩阵,基于初始转换权重参数矩阵和训练媒体参数矩阵进行矩阵乘积运算,得到训练转换数据。
其中,初始转换权重参数矩阵是指初始化的模型参数矩阵,该模型参数矩阵用于将媒体数据进行转换,该初始化过程需要在[-1,1]范围内随机均匀采样,得到一个有正负值的稳定域参数矩阵。训练媒体矩阵是指训练媒体数据的具体值形成的矩阵,比如,训练媒体数据为图像时,训练媒体矩阵可以是像素值矩阵,训练媒体数据为音频时,训练媒体矩阵可以是采样点音频值矩阵。
具体地,服务器基于训练媒体数据中的数据值确定训练媒体矩阵,该训练媒体矩阵的列和训练媒体参数矩阵的行相等。然后使用初始转换权重参数矩阵和训练媒体参数矩阵进行矩阵乘积运算,得到运算结果,即训练转换数据,比如,训练媒体矩阵的大小为W*H,训练媒体参数矩阵的大小为M*N,其中,M=H,然后进行矩阵乘积运后,得到一个大小为W*H的稳定域。在一个实施例中,也可以使用初始转换权重参数矩阵和训练媒体参数矩阵进行矩阵和运算等,得到训练转换数据。
在上述实施例中,通过使用转换权重参数矩阵来对训练媒体数据进行转换,从而使训练媒体数据得到对应的稳定域,该稳定域与训练媒体数据不同,是一个新的域上的数据,从而不需要将训练媒体数据转换到频域,提高了得到训练转换数据的效率。
在一个实施例中,如图3所示,步骤204,获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据,包括:
步骤302,随机生成训练数字水印,并将训练数字水印进行编码,得到训练水印编码。
具体地,服务器在训练时可以是随机来生成训练时使用的训练数字水印,该训练数字水印可以是编码成比特流的任意形式的数字水印,比特,可以是随机生成的标识、名称、字符串、数字、动态图、静态图等等形式。然后将训练数字水印进行编码,即编码成比特流,得到训练水印编码,其中,可以使用预测编码算法和变换域编码算法等等来进行数字水印的编码。
步骤304,基于训练水印编码进行加权,得到目标编码。
其中,目标编码是指加权后的训练数字水印对应的比特流。
具体地,服务器可以将训练水印编码的零值转换为目标值,比如,可以变换为1,然后将训练水印编码整体使用预设的权重值进行加权,比如,可以将训练水印编码对应的整个比特流与常数C进行相乘,得到一个[-C,C,C,-C,-C,...]的比特流,即目标编码。
步骤306,将目标编码与训练转换数据进行叠加,得到带有训练数字水印的训练转换数据。
具体地,服务器可以将目标编码与训练转换数据进行叠加,其中,可以直接进行相加运算,得到带有训练数字水印的训练转换数据。在一个实施例中,也可以进行相乘运算,得到带有训练数字水印的训练转换数据。在一个实施例中,可以使用目标编码替换训练转换数据中的最低有效位,得到带有训练数字水印的训练转换数据。
在上述实施例中,通过将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据,使得到的带有训练数字水印的训练转换数据能够更加的稳定,保证了训练转换数据的质量。
在一个实施例中,初始转换权重信息包括初始转换权重参数矩阵;
步骤206,基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据,包括:
计算初始转换权重参数矩阵对应的逆矩阵,得到还原权重参数矩阵;基于带有训练数字水印的训练转换数据得到带有训练数字水印的训练转换矩阵,基于还原权重参数矩阵和带有训练数字水印的训练转换矩阵进行矩阵乘积运算,得到带有训练数字水印的训练媒体数据。
其中,还原权重参数矩阵是指用于将带有训练数字水印的训练转换数据进行恢复的参数矩阵。带有训练数字水印的训练转换矩阵是根据带有训练数字水印的训练转换数据的数据值确定的矩阵。
具体地,服务器对矩阵进行逆运算,即计算初始转换权重参数矩阵对应的逆矩阵,得到还原权重参数矩阵,然后使用带有训练数字水印的训练转换数据中的数据值确定带有训练数字水印的训练转换矩阵,再直接使用还原权重参数矩阵和带有训练数字水印的训练转换矩阵进行矩阵乘积运算,得到带有训练数字水印的训练媒体数据。
在上述实施例中,通过计算逆矩阵,然后使用逆矩阵进行还原,可以减少需要训练的参数量,也可以保证转换后的带有训练数字水印的训练媒体数据能够有高质量。
在一个实施例中,如图4所示,步骤208,计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型,包括:
步骤402,对带有训练数字水印的训练媒体数据进行数据攻击,得到攻击媒体数据。
其中,数据攻击是指使嵌入数字水印的媒体数据出现错误的攻击,其中,可以是对带有训练数字水印的训练媒体数据可以进行模糊化处理、添加噪声处理等等。比如,媒体数据是图像是可以进行压缩,噪声,滤波,剪切,旋转和对比度增强等图像攻击处理。攻击媒体数据是指被攻击后的带有训练数字水印的训练媒体数据。
具体地,服务器对带有训练数字水印的训练媒体数据进行数据攻击,得到攻击后的带有训练数字水印的训练媒体数据,即攻击媒体数据。其中,可以使用不同的攻击方式对带有训练数字水印的训练媒体数据进行数据攻击,攻击方式的种类越多,能够使训练得到的目标媒体数据转换模型在进行数字水印嵌入时抗干扰能力越强。
步骤404,计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,并计算攻击媒体数据中数字水印与训练数字水印的一致性损失。
其中,一致性损失用于表征攻击媒体数据中数字水印与训练数字水印之间的误差。
具体地,服务器使用相似度算法计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,然后从攻击媒体数据中检出攻击后的数字水印,然后使用鲁棒性损失函数计算攻击后的数字水印与对应的训练数字水印之间的误差,得到一致性损失。
步骤406,基于相似度损失和一致性损失更新初始媒体数据转换模型中的初始转换权重信息,得到目标更新媒体数据转换模型。
其中,目标更新媒体数据转换模型是指使用相似度损失和一致性损失更新后得到的媒体数据转换模型。
具体地,服务器计算相似度损失和一致性损失的和,得到模型的总损失,其中,模型的总损失Loss=Loss1+Loss2,Loss1是指相似度损失,Loss2是指一致性损失。然后使用模型的总损失进行反向传播,更新初始媒体数据转换模型中的初始转换权重信息,得到更新后的媒体数据转换模型,即目标更新媒体数据转换模型。
步骤210,将更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,包括:
步骤408,将目标更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到目标训练完成条件时,得到目标媒体数据转换模型。
其中,目标媒体数据转换模型是指使用相似度损失和一致性损失共同训练得到的媒体数据转换模型,该目标媒体数据转换模型中包括目标转换权重信息,该目标转换权重信息能够将媒体数据转换到抗干扰,保证质量的稳定域中。
具体地,服务器可以将目标更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中的步骤迭代执行,直到达到目标训练完成条件时,得到目标媒体数据转换模型,其中,目标训练完成条件可以是模型的总损失处于比较稳定且比较小的状态,或者也可以是训练达到最大迭代次数,或者也可以是模型参数不再发生变化。
在上述实施例中,通过计算攻击媒体数据中数字水印与训练数字水印的一致性损失,使用相似度损失和一致性损失训练初始媒体数据转换模型,从而使训练得到的目标媒体数据转换模型在提高数字水印嵌入后的质量的基础上同时能够抵御各种干扰,提高了鲁棒性。
在一个实施例中,步骤402,对带有训练数字水印的训练媒体数据进行数据攻击,得到攻击媒体数据,包括:
基于带有训练数字水印的训练媒体数据进行求导处理,得到攻击媒体数据。
具体地,当训练媒体数据是图像处理时,可以对带有训练数字水印的训练媒体数据计算不同方向上的导数,即可以通过卷积实现,得到求导处理之后的攻击媒体数据,比如,可以对带有训练数字水印的训练媒体数据进行裁剪、压缩、缩放等等处理,得到攻击媒体数据。
在一个实施例中,如图5所示,步骤404,即计算攻击媒体数据中数字水印与训练数字水印的一致性损失,包括:
步骤502,基于攻击媒体数据进行数字水印检出,得到攻击数字水印编码。
其中,攻击数字水印编码是指被攻击后的数字水印。
具体地,服务器可以将攻击媒体数据进行逆向信息编码,还原出被攻击后的数字水印的编码,即被攻击后的数字水印的比特流信息,得到攻击数字水印编码。
步骤504,对训练数字水印进行编码,得到训练数字水印编码。
具体地,服务器将训练数字水印进行比特编码,得到比特流信息,即得到训练数字水印编码。
步骤506,计算攻击数字水印编码与训练数字水印编码之间的误差,得到一致性损失。
具体地,服务器使用鲁棒性损失函数计算攻击数字水印编码与训练数字水印编码之间的误差,将计算得到的误差作为一致性损失。该一致性损失越小,抗干扰能力越强,鲁棒性就越高。
在一个具体的实施例中,如图6所示,提供一种媒体数据转换模型的训练框架示意图,其中,媒体数据以视频或者音频数据为例来说明,将视频或者音频进行抽帧,得到视频帧或者音频帧。然后将视频帧或者音频帧输入到媒体数据转换模型中,通过使用模型的参数即稳定域参数矩阵与视频帧或者音频帧对应的矩阵进行相乘运算,得到稳定域,即训练转换数据。然后随机生成训练数字水印信息,将训练数字水印信息进行编码,得到训练数字水印编码,即训练数字水印比特流信息。将训练数字水印比特流信息叠加到稳定域中,得到带有训练数字水印的稳定域,即带有训练数字水印的训练转换数据。此时计算稳定域参数矩阵的逆矩阵,得到还原权重信息,然后对稳定域参数矩阵的逆矩阵和带有训练数字水印的稳定域进行矩阵相乘运算,即进行还原,得到带有数字水印的视频帧或者音频帧。然后计算带有数字水印的视频帧或者音频帧与原始的视频帧或者音频帧之间的损失,得到视频帧或者音频帧损失loss1,视频帧损失可以是指视频帧画质的损失,音频帧损失可以是指音频帧质量的损失。此时,对带有数字水印的视频帧或者音频帧进行攻击处理,比如进行音视频裁剪、压缩、添加噪声等攻击处理,得到攻击后的带有数字水印的视频帧或者音频帧,对攻击后的带有数字水印的视频帧或者音频帧进行水印检出,得到攻击后的数字水印比特流信息。然后计算攻击后的数字水印比特流信息与原始的数字水印比特流信息的一致性损失,得到鲁棒性损失loss2。然后再计算画质或者音质相似度损失loss1和鲁棒性损失loss2的和,得到模型的最终损失loss,然后使用模型的最终损失更新媒体数据转换模型中模型的参数即稳定域参数矩阵中的参数值,得到更新后的媒体数据转换模型,然后获取到下一次迭代时输入的视频帧或者音频帧,输入到前一次的更新后的媒体数据转换模型中进行循环迭代,知道达到训练完成条件时,得到最终训练完成的视频或音频转换模型,然后可以使用视频或音频转换模型对视频或音频进行转换后再进行数字水印的嵌入,从而得到带有数字水印的视频或音频,该得到带有数字水印的视频或音频提高了画质或者音质的质量,并且提高了鲁棒性。
在一个实施例中,如图7所示,提供了一种数字水印嵌入方法,该方法也可以应用于如图1所示的应用环境中,具体以该方法应用于图1中的服务器为例进行说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现,包括以下步骤:
步骤702,获取原始媒体数据。
步骤704,使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据。
其中,原始媒体数据是指要进行数字水印嵌入的最原始的媒体数据。已训练的目标转换权重信息是通过神经网络算法进行训练后得到的,用于将媒体数据转换为新的媒体数据,即转换到稳定域中。目标转换数据是指经过目标转换权重信息进行转换后得到的媒体数据,该目标转换数据的数据类型和原始媒体数据的数据类型一致,都是属于时域类型的数据。
具体地,服务器可以从数据库中获取到原始媒体数据,也可以从终端获取到上传的原始媒体数据,还可以是从业务方获取到的原始媒体数据等等。此时,服务器可以从已训练的媒体数据转换模型中获取到已训练的目标转换权重信息,即调用该已训练的目标转换权重信息对原始媒体数据进行加权计算,得到加权后的目标转换数据。在一个实施例中,服务器也可以将已训练的目标转换权重信息保存在数据库中,直接从数据库中获取到已训练的目标转换权重信息对原始媒体数据进行加权计算,得到目标转换数据。在一个实施例中,已训练的目标转换权重信息可以是上述媒体数据转换模型训练方法中任意一实施例中训练得到的媒体数据转换模型中的模型参数。其中,训练时使用的训练媒体数据的数据分布与原始媒体数据的数据分布一致,从而能够使数字水印的嵌入更加准确。
步骤706,获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据。
其中,数字水印是需要嵌入到原始媒体数据中的。该数据水印可以是各种形式的水印信息,比如,该数字水印可以是标识、名称、字符串、数字、动态图、静态图等等。
具体地,服务器获取到要嵌入到原始媒体数据中的数字水印,可以是直接从数据库中获取到指定的数字水印,可以是终端上传的数字水印,还可以是业务方提供的数字水印。然后将数字水印编码成比特流信息,比如,可以将数值水印序列化成二进制,得到比特流信息。然后将该比特流信息叠加到目标转换数据中,得到带有数字水印的目标转换数据。比如,原始媒体数据是图像时,叠加可以是数字水印编码信息矩阵与目标转换数据对应的像素值矩阵之间进行矩阵乘法运算。比如,原始媒体数据是音频时,叠加可以是数字水印编码信息向量与目标转换数据对应的音频值向量之间进行向量乘法运算。
步骤708,基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
其中,还原权重信息是用于将带有数字水印的目标转换数据进行恢复的信息。
具体地,服务器可以直接使用目标转换权重信息进行逆运算,得到对应的还原权重信息,然后使用还原权重信息对带有数字水印的目标转换数据进行加权计算,从而使带有数字水印的目标转换数据恢复为带有数字水印的原始媒体数据。
上述数字水印嵌入方法,通过使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据,然后将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据,然后基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据,从而不需要将媒体数据转换到频域中,避免了嵌入数字水印后的媒体数据质量降低,提高了带有数字水印的媒体数据的质量。
在一个实施例中,步骤704,使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据,包括:
将原始媒体数据输入到已训练的第一媒体数据转换模型中,第一媒体数据转换模型是通过训练媒体数据和训练数字水印使用神经网络进行训练得到的;
已训练的第一媒体数据转换模型使用已训练的第一转换权重信息对原始媒体数据进行数据转换,得到第一目标转换数据。
其中,第一媒体数据转换模型可以是上述媒体数据转换模型训练方法中通过相似度损失训练得到的媒体数据转换模型。该媒体数据转换模型是神经网络架构的人工智能模型。已训练的第一转换权重信息是指第一媒体数据转换模型中的转换权重信息,该转换权重信息能够将原始媒体数据进行转换并进行数字水印嵌入后,使得到的带有数字水印的原始媒体数据的质量更高。
具体地,服务器预先使用训练媒体数据和训练数字水印通过神经网络架构训练得到的第一媒体数据转换模型,然后将训练好的第一媒体数据转换模型进行部署。然后,当需要使用时,服务器将原始媒体数据输入到已训练的第一媒体数据转换模型中,该已训练的第一媒体数据转换模型使用已训练的第一转换权重信息对原始媒体数据进行数据转换,得到第一目标转换数据。由于该已训练的第一转换权重信息是使用相似度损失计算得到的,该相似度损失是指带有数字水印的训练媒体数据与训练媒体数据的质量之间的误差,当该误差最小化时,得到该已训练的第一转换权重信息,然后使用该第一转换权重信息进行媒体数据的转换,从而使得到的第一目标转换数据提高了数字水印嵌入后的质量,进而使还原后得到的带有数字水印的原始媒体数据提高了质量。
在一个实施例中,步骤704,使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据,包括:
将原始媒体数据输入到已训练的第二媒体数据转换模型中,第二媒体数据转换模型是通过训练媒体数据、训练数字水印和攻击媒体数据使用神经网络进行训练得到的;
已训练的第二媒体数据转换模型使用已训练的第二转换权重信息对原始媒体数据进行数据转换,得到第二目标转换数据。
其中,第二媒体数据转换模型可以是上述媒体数据转换模型训练方法中通过相似度损失和一致性损失训练得到的目标媒体数据转换模型。已训练的第二转换权重信息是指第二媒体数据转换模型中的转换权重信息。
具体地,服务器预先使用训练媒体数据、攻击媒体数据和训练数字水印通过神经网络架构训练得到的第二媒体数据转换模型,然后将训练好的第二媒体数据转换模型进行部署。然后,当需要使用时,服务器将原始媒体数据输入到已训练的第二媒体数据转换模型中,该已训练的第二媒体数据转换模型使用已训练的第二转换权重信息对原始媒体数据进行数据转换,得到第二目标转换数据。由于该已训练的第二转换权重信息是使用相似度损失和一致性损失计算得到的,该相似度损失是指带有数字水印的训练媒体数据与训练媒体数据的质量之间的误差,该一致性损失是指被攻击后的数字水印与要嵌入的数字水印直接的误差。然后在相似度损失和一致性损失的和最小化的情况下,得到该已训练的第二转换权重信息,然后使用第二转换权值信息进行媒体数据的转换,从而使得到的第二目标转换数据提高了数字水印嵌入后的质量和鲁棒性,进而使还原后得到的带有数字水印的原始媒体数据在保证质量的基础上提高了鲁棒性。
在一个实施例中,原始媒体数据包括图像、视频、音频和图像文档中的至少一种;
步骤702,获取原始媒体数据,包括如下至少一种:
获取图像,将图像作为原始媒体数据;获取视频,抽取视频中的图像帧,将图像帧作为原始媒体数据;和/或
获取图像文档,从图像文档中提取待嵌入页图像,将待嵌入页图像作为原始媒体数据;和/或
获取目标时间段内的音频,将目标时间段内的音频作为原始媒体数据。
其中,图像文档是指图像格式的文档。
具体地,原始媒体数据包括图像、视频、音频和图像文档中的至少一种。服务器当需要对图像进行数字水印嵌入时,可以直接将图像作为原始媒体数据,然后执行数字水印嵌入方法,最终得到嵌入数字水印的图像。服务器当需要对视频进行数字水印嵌入时,可以对视频数据随机抽取到视频帧,得到图像帧,该图像帧是图像级别的。然后在该图像帧使用数字水印嵌入方法进行数字水印嵌入,得到嵌入数字水印的图像帧,然后依次将选取得到的各个图像帧进行数字水印嵌入,得到各个嵌入数字水印的图像帧,然后按照视频中帧的顺序将各个嵌入数字水印的图像帧进行拼接,得到完整的带有数字水印的视频。服务器当需要对图像文档进行数字水印嵌入时,该图像文档的每一页是一张图像时,可以从图像文档中提取待嵌入页图像,其中,可以随机抽取,得到待嵌入页图像,也可以将每一页图像作为待嵌入页图像,然后将待嵌入页图像作为原始媒体数据进行数字水印的嵌入,得到带有数字水印的文档页图像。服务器当需要音频进行数字水印嵌入时,获取到目标时间段内的音频,该目标时间段可以是预先设置好的一段时间。然后可以对目标时间段内的音频进行采样,得到采样的各个音频值,得到音频向量,然后可以将该音频向量作为原始媒体数据,然后再进行数字水印的嵌入,即将音频向量使用已训练的音频转换权重信息对音频向量进行数据转换,得到目标音频转换向量,然后将数字水印嵌入到目标音频转换向量中,得到带有数字水印的目标音频转换向量,然后将带有数字水印的目标音频转换向量使用已训练的音频转换权重信息对应的音频还原权重信息进行还原,得到目标时间段内带有数字水印的音频。
在一个具体的实施例中,如图8所示,提供一种数字水印嵌入方法,具体包括以下步骤:
步骤802,获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据。
步骤804,获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据。
步骤806,基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据。
步骤808,对带有训练数字水印的训练媒体数据进行数据攻击,得到攻击媒体数据;计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,并计算攻击媒体数据中数字水印与训练数字水印的一致性损失。
步骤810,基于相似度损失和一致性损失更新初始媒体数据转换模型中的初始转换权重信息,得到目标更新媒体数据转换模型。基于目标更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到目标训练完成条件时,得到目标媒体数据转换模型。
步骤812,获取原始媒体数据,使用目标媒体数据转换模型中已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据。
步骤814,获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据。
步骤816,基于转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
在一个具体的实施例中,该数字水印嵌入方法应用到视频网站平台中,具体来说:
在视频网站平台中,当用户上传视频到视频网站平台中时,需要对视频进行数字水印嵌入后发布。此时。如图9所示,视频网站平台获取到上传的视频和数字水印信息,将视频进行抽帧处理,得到各个视频帧,对每个视频帧进行稳定域计算,即使用已训练的稳定域参数矩阵进行视频帧转换,得到转换后的视频数据,即得到稳定域。其中,如图10所示,为稳定域的计算方法示意图,将稳定域参数矩阵与视频帧得到的视频像素值矩阵进行矩阵乘法运算,就得到了稳定域。
此时,将数字水印信息进行编码,得到比特流信息,将比特流信息叠加到稳定域中,得到带数字水印的稳定域,然后计算已训练的稳定域参数矩阵的逆矩阵,使用该逆矩阵对带数字水印的稳定域进行还原计算,得到各个带数字水印的视频帧,然后将各个带数字水印的视频帧进行拼接,得到带数字水印的视频,然后视频网站平台将带数字水印的视频进行发布并传播,在传播过程中可以通过数字水印来宣示视频的所有权。在一个具体的实施例中,该数字水印嵌入方法也可以应用到语音中,对语音的音频使用已训练的权重转换信息进行数字水印的嵌入。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的媒体数据转换模型训练方法的媒体数据转换模型训练装置或者数字水印嵌入方法的数字水印嵌入装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个媒体数据转换模型训练装置或者数字水印嵌入方法装置实施例中的具体限定可以参见上文中对于媒体数据转换模型训练方法或者数字水印嵌入方法的限定,在此不再赘述。
在一个实施例中,如图11所示,提供了一种媒体数据转换模型训练装置1100,包括:训练转换模块1102、训练嵌入模块1104、训练还原模块1106、权重更新模块1108和迭代模块1110,其中:
训练转换模块1102,用于获取训练媒体数据,将训练媒体数据输入到初始媒体数据转换模型中,初始媒体数据转换模型使用初始转换权重信息对训练媒体数据进行数据转换,得到训练转换数据;
训练嵌入模块1104,用于获取训练数字水印,将训练数字水印嵌入到训练转换数据中,得到带有训练数字水印的训练转换数据;
训练还原模块1106,用于基于初始转换权重信息进行还原计算,得到初始还原权重信息,基于初始还原权重信息对带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
权重更新模块1108,用于计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,基于相似度损失更新初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
迭代模块1110,用于基于更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,媒体数据转换模型用于将媒体数据使用媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
在一个实施例中,初始转换权重信息包括初始转换权重参数矩阵;
训练转换模块1102还用于基于训练媒体数据得到训练媒体矩阵,基于初始转换权重参数矩阵和训练媒体参数矩阵进行矩阵乘积运算,得到训练转换数据。
在一个实施例中,训练嵌入模块1104还用于随机生成训练数字水印,并将训练数字水印进行编码,得到训练水印编码;基于训练水印编码进行加权,得到目标编码;将目标编码与训练转换数据进行叠加,得到带有训练数字水印的训练转换数据。
在一个实施例中,初始转换权重信息包括初始转换权重参数矩阵;
训练还原模块1106还用于计算初始转换权重参数矩阵对应的逆矩阵,得到还原权重参数矩阵;基于带有训练数字水印的训练转换数据得到带有训练数字水印的训练转换矩阵,基于还原权重参数矩阵和带有训练数字水印的训练转换矩阵进行矩阵乘积运算,得到带有训练数字水印的训练媒体数据。
在一个实施例中,权重更新模块1108还用于对带有训练数字水印的训练媒体数据进行数据攻击,得到攻击媒体数据;计算带有训练数字水印的训练媒体数据与训练媒体数据的相似度损失,并计算攻击媒体数据中数字水印与训练数字水印的一致性损失;基于相似度损失和一致性损失更新初始媒体数据转换模型中的初始转换权重信息,得到目标更新媒体数据转换模型;
迭代模块1110还用于基于目标更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到目标训练完成条件时,得到目标媒体数据转换模型。
在一个实施例中,权重更新模块1108还用于基于带有训练数字水印的训练媒体数据进行求导处理,得到攻击媒体数据。
在一个实施例中,权重更新模块1108还用于基于攻击媒体数据进行数字水印检出,得到攻击数字水印编码;对训练数字水印进行编码,得到训练数字水印编码;计算攻击数字水印编码与训练数字水印编码之间的误差,得到一致性损失。
在一个实施例中,如图12所示,提供了一种数字水印嵌入装置1200,包括:数据获取模块1202、转换模块1204、嵌入模块1206和还原模块1208,其中:
数据获取模块1202,用于获取原始媒体数据;
转换模块1204,用于使用已训练的目标转换权重信息对原始媒体数据进行数据转换,得到目标转换数据;
嵌入模块1206,用于获取数字水印,将数字水印嵌入到目标转换数据中,得到带有数字水印的目标转换数据;
还原模块1208,用于基于目标转换权重信息进行还原计算,得到还原权重信息,基于还原权重信息对带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
在一个实施例中,转换模块1204,还用于将原始媒体数据输入到已训练的第一媒体数据转换模型中,第一媒体数据转换模型是通过训练媒体数据和训练数字水印使用神经网络进行训练得到的;已训练的第一媒体数据转换模型使用已训练的第一转换权重信息对原始媒体数据进行数据转换,得到第一目标转换数据。
在一个实施例中,转换模块1204,还用于将原始媒体数据输入到已训练的第二媒体数据转换模型中,第二媒体数据转换模型是通过训练媒体数据、训练数字水印和攻击媒体数据使用神经网络进行训练得到的;已训练的第二媒体数据转换模型使用已训练的第二转换权重信息对原始媒体数据进行数据转换,得到第二目标转换数据。
在一个实施例中,原始媒体数据包括图像、视频、音频和图像文档中的至少一种;数据获取模块1202还用于获取图像,将图像作为原始媒体数据;数据获取模块1202还用于获取视频,抽取视频中的图像帧,将图像帧作为原始媒体数据;数据获取模块1202还用于获取图像文档,从图像文档中提取待嵌入页图像,将待嵌入页图像作为原始媒体数据;数据获取模块1202还用于获取目标时间段内的音频,将目标时间段内的音频作为原始媒体数据。
上述媒体数据转换模型训练装置或者数字水印嵌入装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图13所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储媒体数据、数字水印、训练媒体数据等等。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种媒体数据转换模型训练方法或者数字水印嵌入方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图14所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种媒体数据转换模型训练方法或者数字水印嵌入方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。该终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端、飞行器等。
本领域技术人员可以理解,图13或者14中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (16)
1.一种媒体数据转换模型训练方法,其特征在于,所述方法包括:
获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据;
获取训练数字水印,将所述训练数字水印嵌入到所述训练转换数据中,得到带有训练数字水印的训练转换数据;
基于所述初始转换权重信息进行还原计算,得到初始还原权重信息,基于所述初始还原权重信息对所述带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
计算所述带有训练数字水印的训练媒体数据与所述训练媒体数据的相似度损失,基于所述相似度损失更新所述初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
将所述更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,所述媒体数据转换模型用于将媒体数据使用所述媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
2.根据权利要求1所述的方法,其特征在于,初始转换权重信息包括初始转换权重参数矩阵;
所述使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据,包括:
基于所述训练媒体数据得到训练媒体矩阵,基于所述初始转换权重参数矩阵和所述训练媒体参数矩阵进行矩阵乘积运算,得到所述训练转换数据。
3.根据权利要求1所述的方法,其特征在于,所述获取训练数字水印,将所述训练数字水印嵌入到所述训练转换数据中,得到带有训练数字水印的训练转换数据,包括:
随机生成所述训练数字水印,并将所述训练数字水印进行编码,得到训练水印编码;
基于所述训练水印编码进行加权,得到目标编码;
将所述目标编码与所述训练转换数据进行叠加,得到所述带有训练数字水印的训练转换数据。
4.根据权利要求1所述的方法,其特征在于,所述初始转换权重信息包括初始转换权重参数矩阵;
所述基于所述初始转换权重信息进行还原计算,得到初始还原权重信息,基于所述初始还原权重信息对所述带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据,包括:
计算所述初始转换权重参数矩阵对应的逆矩阵,得到初始还原权重参数矩阵;
基于所述带有训练数字水印的训练转换数据得到带有训练数字水印的训练转换矩阵,基于所述初始还原权重参数矩阵和所述带有训练数字水印的训练转换矩阵进行矩阵乘积运算,得到所述带有训练数字水印的训练媒体数据。
5.根据权利要求1所述的方法,其特征在于,所述计算所述带有训练数字水印的训练媒体数据与所述训练媒体数据的相似度损失,基于所述相似度损失更新所述初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型,包括:
对所述带有训练数字水印的训练媒体数据进行数据攻击,得到所述攻击媒体数据;
计算所述带有训练数字水印的训练媒体数据与所述训练媒体数据的相似度损失,并计算所述攻击媒体数据中数字水印与所述训练数字水印的一致性损失;
基于所述相似度损失和所述一致性损失更新所述初始媒体数据转换模型中的初始转换权重信息,得到目标更新媒体数据转换模型;
所述将所述更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到所述媒体数据转换模型,包括:
将所述目标更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到目标训练完成条件时,得到目标媒体数据转换模型。
6.根据权利要求5所述的方法,其特征在于,所述对所述带有训练数字水印的训练媒体数据进行数据攻击,得到所述攻击媒体数据,包括:
基于所述带有训练数字水印的训练媒体数据进行求导处理,得到所述攻击媒体数据。
7.根据权利要求5所述的方法,其特征在于,所述计算所述攻击媒体数据中数字水印与所述训练数字水印的一致性损失,包括:
基于所述攻击媒体数据进行数字水印检出,得到攻击数字水印编码;
对所述训练数字水印进行编码,得到训练数字水印编码;
计算所述攻击数字水印编码与所述训练数字水印编码之间的误差,得到所述一致性损失。
8.一种数字水印嵌入方法,其特征在于,所述方法包括:
获取原始媒体数据;
使用已训练的目标转换权重信息对所述原始媒体数据进行数据转换,得到目标转换数据;
获取数字水印,将所述数字水印嵌入到所述目标转换数据中,得到带有数字水印的目标转换数据;
基于所述目标转换权重信息进行还原计算,得到还原权重信息,基于所述还原权重信息对所述带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
9.根据权利要求8所述的方法,其特征在于,所述使用已训练的目标转换权重信息对所述原始媒体数据进行数据转换,得到目标转换数据,包括:
将所述原始媒体数据输入到已训练的第一媒体数据转换模型中,所述第一媒体数据转换模型是通过训练媒体数据和训练数字水印使用神经网络进行训练得到的;
通过所述已训练的第一媒体数据转换模型使用已训练的第一转换权重信息对所述原始媒体数据进行数据转换,得到第一目标转换数据。
10.根据权利要求8所述的方法,其特征在于,所述使用已训练的目标转换权重信息对所述原始媒体数据进行数据转换,得到目标转换数据,包括:
将所述原始媒体数据输入到已训练的第二媒体数据转换模型中,所述第二媒体数据转换模型是通过训练媒体数据、训练数字水印和攻击媒体数据使用神经网络进行训练得到的;
通过所述已训练的第二媒体数据转换模型使用已训练的第二转换权重信息对所述原始媒体数据进行数据转换,得到第二目标转换数据。
11.根据权利要求8所述的方法,其特征在于,所述原始媒体数据包括图像、视频、音频和图像文档中的至少一种;
获取原始媒体数据,包括如下至少一种:
获取图像,将所述图像作为所述原始媒体数据;
获取视频,抽取所述视频中的图像帧,将所述图像帧作为所述原始媒体数据;
获取图像文档,从所述图像文档中提取待嵌入页图像,将所述待嵌入页图像作为所述原始媒体数据;
获取目标时间段内的音频,将所述目标时间段内的音频作为所述原始媒体数据。
12.一种媒体数据转换模型训练装置,其特征在于,所述装置包括:
训练转换模块,用于获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据;
训练嵌入模块,用于获取训练数字水印,将所述训练数字水印嵌入到所述训练转换数据中,得到带有训练数字水印的训练转换数据;
训练还原模块,用于基于所述初始转换权重信息进行还原计算,得到初始还原权重信息,基于所述初始还原权重信息对所述带有训练数字水印的训练转换数据进行数据还原,得到带有训练数字水印的训练媒体数据;
权重更新模块,用于计算所述带有训练数字水印的训练媒体数据与所述训练媒体数据的相似度损失,基于所述相似度损失更新所述初始媒体数据转换模型中的初始转换权重信息,得到更新媒体数据转换模型;
迭代模块,用于将所述更新媒体数据转换模型作为初始媒体数据转换模型,并返回获取训练媒体数据,将所述训练媒体数据输入到初始媒体数据转换模型中,所述初始媒体数据转换模型使用初始转换权重信息对所述训练媒体数据进行数据转换,得到训练转换数据的步骤执行,直到达到训练完成条件时,得到媒体数据转换模型,所述媒体数据转换模型用于将媒体数据使用所述媒体数据转换模型的转换权重信息转换后进行数字水印嵌入,得到带有数字水印的媒体数据。
13.一种数字水印嵌入装置,其特征在于,所述装置包括:
数据获取模块,用于获取原始媒体数据;
转换模块,用于使用已训练的目标转换权重信息对所述原始媒体数据进行数据转换,得到目标转换数据;
嵌入模块,用于获取数字水印,将所述数字水印嵌入到所述目标转换数据中,得到带有数字水印的目标转换数据;
还原模块,用于基于所述目标转换权重信息进行还原计算,得到还原权重信息,基于所述还原权重信息对所述带有数字水印的目标转换数据进行数据还原,得到带有数字水印的原始媒体数据。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至11中任一项所述的方法的步骤。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
16.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至11中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210108982.0A CN114493971A (zh) | 2022-01-28 | 2022-01-28 | 媒体数据转换模型训练、数字水印嵌入方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210108982.0A CN114493971A (zh) | 2022-01-28 | 2022-01-28 | 媒体数据转换模型训练、数字水印嵌入方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114493971A true CN114493971A (zh) | 2022-05-13 |
Family
ID=81477747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210108982.0A Pending CN114493971A (zh) | 2022-01-28 | 2022-01-28 | 媒体数据转换模型训练、数字水印嵌入方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114493971A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795418A (zh) * | 2023-01-17 | 2023-03-14 | 泉州艾奇科技有限公司 | 水印嵌入方法、装置、计算机、存储介质及程序产品 |
-
2022
- 2022-01-28 CN CN202210108982.0A patent/CN114493971A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115795418A (zh) * | 2023-01-17 | 2023-03-14 | 泉州艾奇科技有限公司 | 水印嵌入方法、装置、计算机、存储介质及程序产品 |
CN115795418B (zh) * | 2023-01-17 | 2023-04-14 | 泉州艾奇科技有限公司 | 水印嵌入方法、装置、计算机、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113077377B (zh) | 一种基于生成对抗网络的彩色图像隐写方法 | |
CN112418292B (zh) | 一种图像质量评价的方法、装置、计算机设备及存储介质 | |
Duan et al. | High-capacity image steganography based on improved FC-DenseNet | |
CN114627006B (zh) | 一种基于深度解耦网络的渐进式图像修复方法 | |
Singh et al. | Comprehensive review of watermarking techniques in deep-learning environments | |
CN115115500A (zh) | 一种结合水下图像增强的水印嵌入方法 | |
Wei et al. | A robust image watermarking approach using cycle variational autoencoder | |
CN114926734A (zh) | 基于特征聚合和注意融合的固体废弃物检测装置及方法 | |
CN115147284A (zh) | 视频处理方法、装置、计算机设备和存储介质 | |
Zhu et al. | Generative high-capacity image hiding based on residual CNN in wavelet domain | |
CN114493971A (zh) | 媒体数据转换模型训练、数字水印嵌入方法和装置 | |
Han | Texture image compression algorithm based on self-organizing neural network | |
CN116630131A (zh) | 屏幕隐形水印的编码、解码系统及方法 | |
CN115908205A (zh) | 图像修复方法、装置、电子设备和存储介质 | |
CN116758092A (zh) | 图像分割方法、装置、电子设备及存储介质 | |
CN113726976B (zh) | 一种基于编码-解码网络的大容量以图藏图方法和系统 | |
CN112950501B (zh) | 基于噪声场的图像降噪方法、装置、设备及存储介质 | |
CN112712015B (zh) | 一种人体关键点识别方法、装置、智能终端及存储介质 | |
Deeba et al. | Digital image watermarking in sparse domain | |
CN116703687B (zh) | 图像生成模型处理、图像生成方法、装置和计算机设备 | |
Molina-Garcia et al. | Parallel image and video self-recovery scheme with high recovery capability | |
CN115937338B (zh) | 图像处理方法、装置、设备及介质 | |
CN116881871B (zh) | 模型水印嵌入方法、装置、计算机设备和存储介质 | |
CN115170916B (zh) | 一种多尺度特征融合的图像重建方法及系统 | |
CN117011131A (zh) | 图像重建方法、装置、设备、存储介质及计算机程序产品 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40071916 Country of ref document: HK |