JP6892844B2 - 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム Download PDFInfo
- Publication number
- JP6892844B2 JP6892844B2 JP2018120128A JP2018120128A JP6892844B2 JP 6892844 B2 JP6892844 B2 JP 6892844B2 JP 2018120128 A JP2018120128 A JP 2018120128A JP 2018120128 A JP2018120128 A JP 2018120128A JP 6892844 B2 JP6892844 B2 JP 6892844B2
- Authority
- JP
- Japan
- Prior art keywords
- watermark
- learning
- image data
- pattern
- learning model
- 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.)
- Active
Links
Images
Landscapes
- Facsimile Transmission Control (AREA)
- Image Analysis (AREA)
Description
以下、図1、図2、及び図3を参照して、実施の形態の概要を述べる。
図4は、実施の形態に係る情報処理装置1の機能構成を模式的に示す図である。情報処理装置1は、記憶部10と制御部11とを備える。図4において、矢印は主なデータの流れを示しており、図4に示していないデータの流れがあってもよい。図4において、各機能ブロックはハードウェア(装置)単位の構成ではなく、機能単位の構成を示している。そのため、図4に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に別れて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。
図7は、実施の形態に係る透かし検出装置2の機能構成を模式的に示す図である。透かし検出装置2は、記憶部20と制御部21とを備える。図7において、矢印は主なデータの流れを示しており、図7に示していないデータの流れがあってもよい。図7において、各機能ブロックはハードウェア(装置)単位の構成ではなく、機能単位の構成を示している。そのため、図7に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に別れて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。
図9は、実施の形態に係るパターン提示部215が提示する比較画面の一例を模式的に示す図である。図9は、学習モデルMに「透かしA」と「透かしB」との2種類の透かしパターンが埋め込まれている場合の例を示している。図9において、「透かしA」はアルファベットの「au」という文字が描かれた画像であり、「透かしB」は人の顔が描かれた画像である。
図10は、実施の形態に係る情報処理装置1が実行する処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば情報処理装置1が起動したときに開始する。
以上説明したように、実施の形態に係る情報処理装置1によれば、学習モデルMの出所を特定できるようにすることができる。
上記では、情報処理装置1が学習モデルMに透かしパターンを埋め込む場合について説明した。ここで、透かしパターンは一つの独立した図柄でなくてもよく、例えば、一つの画像を2以上の部分画像に分割し、各部分画像をそれぞれ透かしパターンとしてもよい。このとき、情報処理装置1は、少なくとも1つの部分画像を学習モデルMに埋め込まずに保管用画像として保管する。この場合、透かし検出装置2は、学習モデルMから各透かしパターンを検出した上でそれらを組み合わせ、かつ保管用画像と組み合わせることで初めて完全な画像を得る。各部分画像は、いわば電子的な「割符」として機能する。これにより、万が一第三者に透かしパターンの一部が漏洩したとしても、第三者はその透かしパターンから全体画像を構成することは困難であるため、安全性をより向上することができる。
上記では、学習用データ生成部114が、複数の識別ラベルLそれぞれの要素を所定の手順にしたがって透かしパターンの画素配列と同じ配列の2次元データに変換し、変換した複数の2次元データのそれぞれと透かしパターンとに基づいて、2次元データそれぞれを修正する場合について説明した。これに替えて、学習用データ生成部114は、透かしパターンの画素配列を所定の手順に従って識別ラベルLと同じ配列の1次元データに変換し、変換した複数の1次元データのそれぞれと透かしパターンとに基づいて、識別ラベルLを修正してもよい。
上記では、変換部1140が、透かし画像Wと画像化した識別ラベルLとのアダマール積を、再学習に用いる教師用識別ラベルLtとする場合について説明した。しかしながら、教師用識別ラベルLtの取得方法は上記に限られない。例えば、変換部1140は、透かし画像Wと画像化した識別ラベルLとのアダマール積の結果、画素値を大きい順に所定の数だけ選択し、残りは0又は0に近い実数(例えば、選択した画素値の中の最小値の10%)としてもよい。さらに、変換部1140は、選択した画素の値を1とし、それ以外の画素の値は0又は0に近い実数として教師用識別ラベルLtを2値化してもよい。
10・・・記憶部
11・・・制御部
110・・・モデル取得部
111・・・透かしパターン取得部
112・・・画像取得部
113・・・重畳用パターン取得部
114・・・学習用データ生成部
1140・・・変換部
1141・・・修正部
1142・・・画像選択部
115・・・モデル適用部
116・・・学習実行部
2・・・透かし検出装置
20・・・記憶部
21・・・制御部
210・・・モデル取得部
211・・・画像取得部
212・・・モデル適用部
213・・・パターン出力部
214・・・透かしパターン取得部
215・・・パターン提示部
D・・・表示部
Claims (12)
- 入力された画像データが複数の識別対象それぞれの画像データである蓋然性を示す複数の指標値から構成される識別ラベルを出力するように機械学習された学習モデルを取得するモデル取得部と、
前記学習モデルに埋め込むための透かしパターンを取得する透かしパターン取得部と、
前記学習モデルに前記透かしパターンを埋め込むための再学習に用いる再学習用学習データを構成する透かし用画像データセットを取得する画像取得部と、
前記透かし用画像データセットに含まれる画像データと同数のパターンであって、各パターンの重ね合わせが前記透かしパターンとなる複数のパターンを取得する重畳用パターン取得部と、
前記透かし用画像データセットに含まれる画像データと前記複数のパターンとの組み合わせを前記再学習用学習データとして生成する学習用データ生成部と、
を備える情報処理装置。 - 前記透かし用画像データセットに含まれる画像データそれぞれを入力とする前記学習モデルの出力である複数の識別ラベルを取得するモデル適用部をさらに備え、
前記重畳用パターン取得部は、前記モデル適用部が取得した複数の識別ラベルの重ね合わせが前記透かしパターンとなるように、前記複数の識別ラベルのうちの少なくとも一部の識別ラベルを修正した識別ラベルを前記パターンとして取得し、
前記学習用データ生成部は、各識別ラベルと当該識別ラベルに対応する前記画像データとの組み合わせを前記再学習用学習データとして生成する、
請求項1に記載の情報処理装置。 - 前記再学習用学習データを用いて前記学習モデルを再学習する学習実行部をさらに備える、
請求項1又は2に記載の情報処理装置。 - 前記識別ラベルは、前記複数の識別対象と同数の要素から構成されるベクトルであり、
前記透かしパターンは、前記識別ラベルの要素と同数の画素から構成される画像であり、
前記学習用データ生成部は、
前記複数の識別ラベルそれぞれの要素を所定の手順にしたがって2次元データに変換する変換部と、
前記変換部が変換した複数の2次元データのそれぞれと前記透かしパターンとに基づいて、前記2次元データそれぞれを修正する修正部と、を備え、
前記変換部は、修正された前記2次元データを前記識別ラベルの形式に変換する、
請求項1から3のいずれか一項に記載の情報処理装置。 - 前記学習用データ生成部は、
前記変換部が変換した2次元データと前記透かしパターンとの差異が所定の除外条件を満たす場合、当該2次元データに対応する画像データを前記透かし用画像データセットから除外する画像選択部をさらに備える、
請求項4に記載の情報処理装置。 - 前記透かしパターン取得部は、前記学習モデルに埋め込むための2以上の異なる透かしパターンを取得し、
前記画像取得部は、前記異なる透かしパターンそれぞれに対応する複数の前記透かし用画像データセットを取得し、
前記学習用データ生成部は、前記異なる透かしパターンそれぞれに対応する前記再学習用学習データを生成する、
請求項1から5のいずれか一項に記載の情報処理装置。 - プロセッサが、
入力された画像データが複数の識別対象それぞれの画像データである蓋然性を示す複数の指標値から構成される識別ラベルを出力するように機械学習された学習モデルを取得するステップと、
前記学習モデルに埋め込むための透かしパターンを取得するステップと、
前記学習モデルに前記透かしパターンを埋め込むための再学習に用いる再学習用学習データを構成する透かし用画像データセットを取得するステップと、
前記透かし用画像データセットに含まれる画像データと同数のパターンであって、各パターンの重ね合わせが前記透かしパターンとなる複数のパターンを取得するステップと、
前記透かし用画像データセットに含まれる画像データと前記複数のパターンとの組み合わせを前記再学習用学習データとして生成するステップと、
を実行する情報処理方法。 - コンピュータに、
入力された画像データが複数の識別対象それぞれの画像データである蓋然性を示す複数の指標値から構成される識別ラベルを出力するように機械学習された学習モデルを取得する機能と、
前記学習モデルに埋め込むための透かしパターンを取得する機能と、
前記学習モデルに前記透かしパターンを埋め込むための再学習に用いる再学習用学習データを構成する透かし用画像データセットを取得する機能と、
前記透かし用画像データセットに含まれる画像データと同数のパターンであって、各パターンの重ね合わせが前記透かしパターンとなる複数のパターンを取得する機能と、
前記透かし用画像データセットに含まれる画像データと前記複数のパターンとの組み合わせを前記再学習用学習データとして生成する機能と、
を実現させるプログラム。 - 透かし検出の対象とする学習モデルであって、入力された画像データが複数の識別対象それぞれの画像データである蓋然性を示す複数の指標値から構成される識別ラベルを出力するように機械学習された学習モデルを取得するモデル取得部と、
学習モデルに埋め込まれた透かしを検出するための透かし用画像データセットを取得する画像取得部と、
前記透かし用画像データセットに含まれる画像データそれぞれを入力とする前記学習モデルの出力である複数の識別ラベルを取得するモデル適用部と、
前記複数の識別ラベルを重ね合わせて生成されるパターンを出力するパターン出力部と、
を備える透かし検出装置。 - 検証対象となる透かしパターンを取得する透かしパターン取得部と、
前記パターン出力部が出力したパターンと前記透かしパターンとを比較可能な態様で提示するパターン提示部と、
を備える請求項9に記載の透かし検出装置。 - プロセッサが、
透かし検出の対象とする学習モデルであって、入力された画像データが複数の識別対象それぞれの画像データである蓋然性を示す複数の指標値から構成される識別ラベルを出力するように機械学習された学習モデルを取得するステップと、
学習モデルに埋め込まれた透かしを検出するための透かし用画像データセットを取得するステップと、
前記透かし用画像データセットに含まれる画像データそれぞれを入力とする前記学習モデルの出力である複数の識別ラベルを取得するステップと、
前記複数の識別ラベルを重ね合わせて生成されるパターンを出力するステップと、
を実行する透かし検出方法。 - コンピュータに、
透かし検出の対象とする学習モデルであって、入力された画像データが複数の識別対象それぞれの画像データである蓋然性を示す複数の指標値から構成される識別ラベルを出力するように機械学習された学習モデルを取得する機能と、
学習モデルに埋め込まれた透かしを検出するための透かし用画像データセットを取得する機能と、
前記透かし用画像データセットに含まれる画像データそれぞれを入力とする前記学習モデルの出力である複数の識別ラベルを取得する機能と、
前記複数の識別ラベルを重ね合わせて生成されるパターンを出力する機能と、
を実現させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018120128A JP6892844B2 (ja) | 2018-06-25 | 2018-06-25 | 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018120128A JP6892844B2 (ja) | 2018-06-25 | 2018-06-25 | 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020003879A JP2020003879A (ja) | 2020-01-09 |
JP6892844B2 true JP6892844B2 (ja) | 2021-06-23 |
Family
ID=69100405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018120128A Active JP6892844B2 (ja) | 2018-06-25 | 2018-06-25 | 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6892844B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738062B (zh) * | 2020-05-09 | 2024-05-17 | 广智微芯(扬州)有限公司 | 一种基于嵌入式平台的自动再识别系统 |
CN113887438B (zh) * | 2021-09-30 | 2024-06-04 | 平安银行股份有限公司 | 人脸图像的水印检测方法、装置、设备及介质 |
-
2018
- 2018-06-25 JP JP2018120128A patent/JP6892844B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020003879A (ja) | 2020-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Che et al. | How is gaze influenced by image transformations? dataset and model | |
Agarwal et al. | Swapped! digital face presentation attack detection via weighted local magnitude pattern | |
Chen et al. | A fuzzy c-means clustering-based fragile watermarking scheme for image authentication | |
Mitra et al. | Emerging images | |
WO2018179765A1 (ja) | 情報処理装置、情報処理方法、及びコンピュータ可読記憶媒体 | |
Al-Qershi et al. | Evaluation of copy-move forgery detection: datasets and evaluation metrics | |
CN114596290B (zh) | 缺陷检测方法及其装置、存储介质、程序产品 | |
US12074907B2 (en) | Systems and methods of detecting anomalous websites | |
Nezami et al. | Pick-object-attack: Type-specific adversarial attack for object detection | |
CN109344709A (zh) | 一种人脸生成伪造图像的检测方法 | |
KR102225753B1 (ko) | 딥러닝 기반 파노라마 영상의 품질 평가 방법 및 그 장치 | |
Zhu et al. | Fragile neural network watermarking with trigger image set | |
JP6892844B2 (ja) | 情報処理装置、情報処理方法、透かし検出装置、透かし検出方法、及びプログラム | |
CN113887408A (zh) | 活化人脸视频的检测方法、装置、设备及存储介质 | |
Surabhi et al. | Advancing Faux Image Detection: A Hybrid Approach Combining Deep Learning and Data Mining Techniques | |
Fang et al. | Attacking image splicing detection and localization algorithms using synthetic traces | |
Ara et al. | A comparative review of AI-generated image detection across social media platforms | |
CN109461110A (zh) | 确定图片的溯源信息的方法及装置 | |
Lu et al. | Channel‐Wise Spatiotemporal Aggregation Technology for Face Video Forensics | |
Patel et al. | Deepfake video detection using neural networks | |
Emeršič et al. | Towards accessories-aware ear recognition | |
Nataraj et al. | Holistic image manipulation detection using pixel co-occurrence matrices | |
Ashok et al. | Deepfake Detection Using XceptionNet | |
JP2021033707A (ja) | 情報処理装置 | |
WO2021031242A1 (zh) | 字符验证方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200626 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210519 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210525 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210528 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6892844 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |