【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种水印提取模型的训练方法、水印提取方法及相关设备。
技术介绍
1、数字水印是一种在数字媒体中嵌入信息的技术，被广泛应用在版权保护、内容认证、防伪溯源等领域，数字媒体可以是图片、文档、视频等。以图片为例，从图片中提取数字水印能够起到对图片进行溯源和版权保护的作用。然而，通过已有技术从图片中提取到的水印信息与添加到图片中的水印信息之间的差异较大，具有水印提取准确率低的问题。
技术实现思路
1、本申请实施例的目的是提供一种水印提取模型的训练方法、水印提取方法及相关设备，能够提高水印提取的准确率。
2、为了实现上述技术方案，本申请实施例是这样实现的：
3、第一方面，本申请实施例提供了一种水印提取模型的训练方法，包括：
4、获取训练样本数据；所述训练样本数据包括原始图像、水印图像和攻击图像；所述水印图像通过对所述原始图像添加样本水印信息后得到；所述攻击图像通过对所述水印图像添加攻击信息后得到；
5、基于所述攻击图像和所述原始图像确定第一残差图像，以及，基于所述攻击图像和所述水印图像确定第二残差图像；
6、基于所述第一残差图像、所述第二残差图像、所述攻击图像和所述样本水印信息，训练神经网络结构，训练后得到水印提取模型。
7、第二方面，本申请实施例提供了一种水印提取方法，包括：
8、获取待处理图像；
9、将所述待处理图像输入至水印提取模型进行水印提取，得到水印信息；>
10、其中，所述水印提取模型通过上述第一方面所述的方法训练得到。
11、第三方面，本申请实施例提供了一种水印提取模型的训练装置，包括：
12、数据获取单元，用于获取训练样本数据；所述训练样本数据包括原始图像、水印图像和攻击图像；所述水印图像通过对所述原始图像添加样本水印信息后得到；所述攻击图像通过对所述水印图像添加攻击信息后得到；
13、图像确定单元，用于基于所述攻击图像和所述原始图像确定第一残差图像，以及，基于所述攻击图像和所述水印图像确定第二残差图像；
14、模型训练单元，用于基于所述第一残差图像、所述第二残差图像、所述攻击图像和所述样本水印信息，训练神经网络结构，训练后得到水印提取模型。
15、第四方面，本申请实施例提供了一种水印提取装置，包括：
16、图像获取单元，用于获取待处理图像；
17、水印提取单元，用于将所述待处理图像输入至水印提取模型进行水印提取，得到水印信息；
18、其中，所述水印提取模型通过上述第三方面所述的装置训练得到。
19、第五方面，本申请实施例提供的一种电子设备，所述设备包括：
20、处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令被配置由所述处理器执行，所述可执行指令包括用于执行如第一方面或者第二方面中所述的方法中的步骤。
21、第六方面，本申请实施例提供的一种计算机可读存储介质，其中，所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行如第一方面或者第二方面中所述的方法中的步骤。
22、可以看出，在本申请实施例中，获取原始图像、水印图像和攻击图像，基于攻击图像和原始图像确定第一残差图像，以及，基于攻击图像和水印图像确定第二残差图像，基于第一残差图像、第二残差图像、攻击图像和样本水印信息，训练神经网络结构，训练后得到水印提取模型。其中，第一残差图像可以表示攻击图像与原始图像之间的差异，也即表示样本水印信息和攻击信息，第二残差图像可以表示攻击图像与水印图像之间的差异，也即表示攻击信息，因此基于第一残差图像和第二残差图像训练水印提取模型时，可以利用第一残差图像与第二残差图像之间的差异表示样本水印信息的这一特点，使得水印提取模型可以学习到较为准确的水印特征，从而提高水印提取模型提取水印的准确率。
本文档来自技高网...【技术保护点】
1.一种水印提取模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述神经网络结构包括特征提取网络、分布预测网络和水印提取网络；
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一图像特征、所述第二图像特征、所述第一分布信息、所述第二分布信息和所述样本水印信息，训练所述特征提取网络、所述分布预测网络和所述水印提取网络的参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过所述水印提取网络，基于所述加和特征、所述第一分布信息、取反后的所述第二分布信息进行水印提取，包括：
5.根据权利要求2所述的方法，其特征在于，所述分布预测网络包括第一分布预测子网络；所述第一分布预测子网络包括第一通道扩增单元、第一通道减少单元和第一池化单元；所述通过所述分布预测网络，基于所述第一残差图像预测第一分布信息，包括：
6.根据权利要求2所述的方法，其特征在于，所述分布预测网络包括第二分布预测子网络；所述第二分布预测子网络包括第二通道扩增单元、第二通道减少单元和第二池化单元；所述基于所述第二残差图像预
7.根据权利要求1所述的方法，其特征在于，所述获取训练样本数据，包括：
8.根据权利要求7所述的方法，其特征在于，还包括：
9.根据权利要求7所述的方法，其特征在于，还包括：
10.一种水印提取方法，其特征在于，包括：
11.根据权利要求10所述的方法，其特征在于，所述水印提取模型包括特征提取网络和水印提取网络；
12.一种水印提取模型的训练装置，其特征在于，包括：
13.一种水印提取装置，其特征在于，包括：
14.一种电子设备，其特征在于，所述设备包括：
15.一种计算机可读存储介质，其特征在于，所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行如权利要求1至9任一项或者权利要求10或11所述的方法中的步骤。
...【技术特征摘要】
1.一种水印提取模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述神经网络结构包括特征提取网络、分布预测网络和水印提取网络；
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一图像特征、所述第二图像特征、所述第一分布信息、所述第二分布信息和所述样本水印信息，训练所述特征提取网络、所述分布预测网络和所述水印提取网络的参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述通过所述水印提取网络，基于所述加和特征、所述第一分布信息、取反后的所述第二分布信息进行水印提取，包括：
5.根据权利要求2所述的方法，其特征在于，所述分布预测网络包括第一分布预测子网络；所述第一分布预测子网络包括第一通道扩增单元、第一通道减少单元和第一池化单元；所述通过所述分布预测网络，基于所述第一残差图像预测第一分布信息，包括：
6.根据权利要求2所述的方法，其特征在于，所述分布预测网络包括第二分布...
【专利技术属性】
技术研发人员：陈圣，曾定衡，蒋宁，陆全，吴海英，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。