图片校正方法、校正模型训练方法、装置及电子设备制造方法及图纸

本申请实施例公开了一种图片校正方法、校正模型训练方法、装置及电子设备，其中，方法包括：将获取到的目标图片输入至训练完成的校正模型中，所述校正模型包括一阶校正模型和二阶校正模型；通过所述一阶校正模型获取所述目标图片的特征信息，所述特征信息包括图片颠倒类别、关键点位置以及屏幕类别；若所述屏幕类别为所述目标图片中存在屏幕，则通过所述一阶校正模型并基于所述图片颠倒类别，对所述目标图片进行初步校正，输出第一校正图片；通过所述二阶校正模型并基于所述目标图片的关键点位置，对所述第一校正图片进行二次校正，输出目标校正图片。采用本申请实施例，可以提升对处于复杂背景环境的泄露图片校正的准确性。于复杂背景环境的泄露图片校正的准确性。于复杂背景环境的泄露图片校正的准确性。

【技术实现步骤摘要】
图片校正方法、校正模型训练方法、装置及电子设备


[0001]本申请涉及图像处理领域，具体涉及一种图片校正方法、校正模型训练方法、装置及电子设备。

技术介绍

[0002]随着国家知识产权意识的不断加强，人们对于产权的保护越来越看重。尤其是在图像领域，若一张图片不加任何的产权证明，则可能会在网络上被滥用传播，而数字水印技术是目前实现知识产权保护任务的主要手段，该技术通过在图片中嵌入含有版权信息的水印来达到知识产权的保护目的。
[0003]因此，企业通过在图片上添加自身标识的水印，以此来保护自身的产品权利。当图片泄露于互联网时，可通过提取泄露图片的水印来维护自身的知识产权。而在实际应用中，由于泄露图片大多为偷拍得到，该泄露图片大多存在屏幕边框、倾斜以及扭曲等情况，现有技术在提取水印的过程中，需要人工对图片进行校正，以便于后续的水印提取工作。
[0004]但是，人工只能对泄露图片进行简单的校正处理，当泄露图片处于复杂背景环境时，人工校准的准确性较低。

技术实现思路

[0005]本申请提供了一种图片校正方法、校正模型训练方法、装置及电子设备，具有可以提升对处于复杂背景环境的泄露图片校正的准确性。
[0006]第一方面，本申请提供了一种图片校正方法，包括：将获取到的目标图片输入至训练完成的校正模型中，所述校正模型包括一阶校正模型和二阶校正模型；通过所述一阶校正模型获取所述目标图片的特征信息，所述特征信息包括图片颠倒类别、关键点位置以及屏幕类别；若所述屏幕类别为所述目标图片中存在屏幕，则通过所述一阶校正模型并基于所述图片颠倒类别，对所述目标图片进行初步校正，输出第一校正图片；通过所述二阶校正模型并基于所述第一校正图片的关键点位置，对所述第一校正图片进行二次校正，输出目标校正图片。
[0007]采用上述技术方案，通过两阶校正模型对目标图片进行校正，一阶校正模型可对目标图片的关键点位置进行定位，提取第一次关键点位置；二阶校正模型可进一步根据第一次关键点位置的位置，从而对目标图片进行二次校正，可有效提升对处于复杂背景环境的泄露图片校正的准确性。
[0008]可选的，所述通过所述二阶校正模型并基于所述目标图片的关键点位置，对所述第一校正图片进行二次校正，输出目标校正图片，包括：根据所述第一校正图片中各关键点位置，对所述第一校正图片进行裁剪，得到所述第一校正图片中各关键点位置对应的关键点图片；
将所述第一校正图片的关键点图片和所述第一校正图片输入所述二阶校正模型，输出第二校正图片；根据所述第二校正图片中各关键点位置，对所述第二校正图片进行仿射变换，输出所述目标校正图片。
[0009]采用上述技术方案，通过结合第一校正图片以及第一校正图片中各关键点位置对应的关键点图片，提取更精确的关键点位置，从而根据更精确的关键点位置对第二校正图片进行仿射变换，可以提高泄露图片的校正的准确性。
[0010]在本申请的第二方面，提供了一种校正模型训练方法，包括：构建初始校正模型，所述初始校正模型包括初始一阶校正模型和初始二阶校正模型；获取训练图片集，所述训练图片集中包括多个训练图片；对任一所述训练图片进行预处理以及标注处理，得到第一训练图片；将所述第一训练图片输入至所述初始一阶校正模型，输出第二训练图片；将所述第二训练图片输入至所述初始二阶校正模型，输出目标训练图片；计算所述目标训练图片的损失值，并判断所述损失值是否大于损失阈值；若所述损失值大于所述损失阈值，则基于所述损失值调整所述初始校正模型，并重新执行将所述第一训练图片输入至所述初始一阶校正模型，输出第二训练图片，将所述第二训练图片输入至所述初始二阶校正模型，输出目标训练图片；计算所述目标训练图片的损失值，并判断所述损失值是否大于损失阈值的步骤，直至所述损失值小于或等于所述损失阈值，且所述训练图片集中的各所述训练图片训练完成，得到训练完成的校正模型。
[0011]采用上述技术方案，构建初始校正模型，并通过训练图片集对初始校正模型进行迭代训练，从而可提高训练完成的校正模型对泄露图片进行校正的准确性。
[0012]可选的，所述初始一阶校正模型包括第一卷积网络模型和特征金字塔网络模型，所述将第一训练图片输入至所述初始一阶校正模型，输出第二训练图片，包括：将所述第一训练图片输入所述第一卷积网络模型，输出所述第一训练图片的屏幕类别；若所述第一训练图片的屏幕类别为所述第一训练图片中存在屏幕，则将所述第一训练图片输入至所述特征金字塔网络模型，得到所述第一训练图片的图片颠倒类别以及关键点位置；根据所述图片颠倒类别，校正所述第一训练图片，输出所述第二训练图片。
[0013]采用上述技术方案，通过第一卷积网络模型和特征金字塔网络模型相结合，可以有效减缓初始校正模型过程汇总梯度消失的问题，特征金字塔网络模型能够更好的结合高维特征和低维特征，从而提高第一训练图片的屏幕类别、图片颠倒类别以及关键点位置提取的准确性。
[0014]可选的，所述初始二阶校正模型包括第二卷积网络模型，所述将所述第二训练图片输入至所述初始二阶校正模型，输出目标训练图片，包括：获取所述第二训练图片中各关键点位置，根据所述第二训练图片中各关键点位置，对所述第二训练图片进行裁剪，得到所述第二训练图片中各关键点位置对应的关键点图片；将所述第二训练图片的关键点图片和所述第二训练图片输入至所述第二卷积网
络模型，输出第三训练图片；获取所述第三训练图片中各关键点位置，根据所述第三训练图片中各关键点位置，对所述第三训练图片进行仿射变换，输出所述目标训练图片。
[0015]采用上述技术方案，通过根据第二训练图片中各关键点位置，对第二训练图片进行裁剪，关键点位置对应的关键点图片，从而第二卷积网络模型可根据关键点图片进行更精细化的关键点位置的提取。
[0016]可选的，所述根据所述第二训练图片中各关键点位置，对所述第二训练图片进行裁剪，得到所述第二训练图片中各关键点位置对应的关键点图片，包括：根据预设的第一裁剪比例系数，确定裁剪距离；基于所述第二训练图片中各关键点位置的坐标顺序以及所述裁剪距离，对所述第二训练图片中各关键点位置进行裁剪，得到所述第二训练图片中各关键点位置对应的关键点图片。
[0017]通过采用上述技术方案，采用第一裁剪比例系数，确定裁剪距离，从而确定关键点图片的裁剪面积，其中，第一裁剪比例系数可在初始校正模型训练的过程中不断迭代收敛，从而可提高校正模型对泄露图片校正的准确性。
[0018]可选的，所述根据所述第二训练图片中各关键点位置，对所述第二训练图片进行裁剪，得到所述第二训练图片中各关键点位置对应的关键点图片，包括：根据所述第二训练图片的总面积以及屏幕面积，确定第二裁剪比例系数；根据所述第二裁剪比例系数，分别以所述第二训练图片中各关键点位置为中心对所述第二训练图片中各关键点位置进行裁剪，得到所述第二训练图片中各关键点位置对应的关键点图片。
[0019]通过采用上述技术方案，根据第二训练图片的总面积以及屏幕所占面积之比，可以较快的确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片校正方法，其特征在于，包括：将获取到的目标图片输入至训练完成的校正模型中，所述校正模型包括一阶校正模型和二阶校正模型；通过所述一阶校正模型获取所述目标图片的特征信息，所述特征信息包括图片颠倒类别、关键点位置以及屏幕类别；若所述屏幕类别为所述目标图片中存在屏幕，则通过所述一阶校正模型并基于所述图片颠倒类别，对所述目标图片进行初步校正，输出第一校正图片；通过所述二阶校正模型并基于所述第一校正图片的关键点位置，对所述第一校正图片进行二次校正，输出目标校正图片。2.根据权利要求1所述的图片校正方法，其特征在于，所述通过所述二阶校正模型并基于所述目标图片的关键点位置，对所述第一校正图片进行二次校正，输出目标校正图片，包括：根据所述第一校正图片中各关键点位置，对所述第一校正图片进行裁剪，得到所述第一校正图片中各关键点位置对应的关键点图片；将所述第一校正图片的关键点图片和所述第一校正图片输入所述二阶校正模型，输出第二校正图片；根据所述第二校正图片中各关键点位置，对所述第二校正图片进行仿射变换，输出所述目标校正图片。3.一种校正模型训练方法，其特征在于，包括：构建初始校正模型，所述初始校正模型包括初始一阶校正模型和初始二阶校正模型；获取训练图片集，所述训练图片集中包括多个训练图片；对任一所述训练图片进行预处理以及标注处理，得到第一训练图片；将所述第一训练图片输入至所述初始一阶校正模型，输出第二训练图片；将所述第二训练图片输入至所述初始二阶校正模型，输出目标训练图片；计算所述目标训练图片的损失值，并判断所述损失值是否大于损失阈值；若所述损失值大于所述损失阈值，则基于所述损失值调整所述初始校正模型，并重新执行将所述第一训练图片输入至所述初始一阶校正模型，输出第二训练图片，将所述第二训练图片输入至所述初始二阶校正模型，输出目标训练图片；计算所述目标训练图片的损失值，并判断所述损失值是否大于损失阈值的步骤，直至所述损失值小于或等于所述损失阈值，且所述训练图片集中的各所述训练图片训练完成，得到训练完成的校正模型。4.根据权利要求3所述的校正模型训练方法，其特征在于，所述初始一阶校正模型包括第一卷积网络模型和特征金字塔网络模型，所述将第一训练图片输入至所述初始一阶校正模型，输出第二训练图片，包括：将所述第一训练图片输入所述第一卷积网络模型，输出所述第一训练图片的屏幕类别；若所述第一训练图片的屏幕类别为所述第一训练图片中存在屏幕，则将所述第一训练图片输入至所述特征金字塔网络模型，得到所述第一训练图片的图片颠倒类别以及关键点位置；根据所述图片颠倒类别，校正所述第一训练图片，输出所述第二训练图片。5.根据权利要求3所述的校正模型训练方法，其特征在于，所述初始二阶校正模型包括
第二卷积网络模型，所述将所述第二训练图片输入至所述初始二阶校正模型，输出目标训练图片，包括：获取所述第二训练图片中各关键点位置，根据所述第二训练图片中各关键点位置，对所述第二训练图片进行裁剪，得到所述第二训练图片中各关键点位置对应的关键点图片；将所述第二训练图片的关键点图片和所述第二训练图片输入至所述第二卷积网络模型，输出第三训练图片；获取所述第三训练图片中各关键点位置，根据所述第三训练图片中各关键点位置，对所述第三训练图片进行仿射变换，输出所述目标训练图片。6.根据权利要求5所述的校正模型训练方法，其特征在于，所述根据所述第二训练图片中各关键点位置，对所述第二训练图片进行裁剪，得到所述第二训练图片中各关键点位置对应的关键点图片，包括：根据预设的第一裁剪比例...

【专利技术属性】
技术研发人员：张小亮，李东欣，李茂林，戚纪纲，
申请(专利权)人：北京万里红科技有限公司，
类型：发明
国别省市：