[发明专利]水印检测模型训练方法、水印检测方法、系统、设备及介质

说明书

本发明提供一种水印检测模型训练方法、水印检测方法、系统、设备及介质，该训练方法包括：获取样本数据集，样本数据集包含若干带水印的训练图像；对样本数据集的每个训练图像中水印区域的轮廓进行标注；根据标注后的样本数据集，对水印检测模型进行训练；其中，水印检测模型用于提取输入图像的特征图，而后获取特征图中每个特征点是否为水印中心点的概率，并在某个特征点为水印中心点的概率大于预定值时，获取该特征点映射到所述输入图像中的位置与该特征点对应的真实水印中心点之间的偏移量、以及该特征点对应的水印尺寸。本发明能够训练得到准确的水印检测模型，从而解决了通过人工审核的方式，难以实现对带水印图像的准确识别的技术问题。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种水印检测模型训练方法、水印检测方法、系统、设备及介质。

背景技术

图像作为信息传播的一种重要媒介，包含了丰富且直观的信息，因此在互联网的社交、购物和旅游等领域，均需要大量的图像来给用户传递信息。由于图像通常来源复杂，不同来源获取的大批量图像中常常包含有部分带水印的图像，直接展示影响美观甚至发生侵权。因此，图像提供方在使用图像前，需要对图像进行审核，以检测出图像中含有水印。

对于大规模图像数据来说，图像中是否含有水印具有较高的不确定性，并且水印的位置与透明度具有极大的变化，水印的种类复杂，相对于图像的主要内容特征通常极其不明显。因此，如果通过人工对图像进行水印审核，则人力成本昂贵，且容易遗漏，因而利用算法自动审核图像，以检测出带水印的图像成为一种趋势。目前利用深度学习来检测通用场景下多种多样的水印鲜有人研究，实现图像中水印的准确检测是一项具有挑战性的任务。

发明内容

针对上述现有技术的不足，本发明的目的在于提供一种水印检测模型训练方法、水印检测方法、系统、设备及介质，以解决通过人工审核的方式，难以实现对带水印图像的准确识别的技术问题。

为了实现上述目的，本发明一种水印检测模型训练方法，包括：

获取样本数据集，所述样本数据集包含若干带水印的训练图像；

对所述样本数据集的每个训练图像中水印区域的轮廓进行标注；

根据标注后的样本数据集，对水印检测模型进行训练，得到目标水印检测模型；

其中，所述水印检测模型用于提取输入图像的特征图，而后获取所述特征图中每个特征点是否为水印中心点的概率，并在某个特征点为水印中心点的概率大于预定值时，获取该特征点映射到所述输入图像中的位置与该特征点对应的真实水印中心点之间的偏移量、以及该特征点对应的水印尺寸。

在本发明一个优选实施例中，所述获取样本数据集的步骤包括：

获取若干水印图像；

对所述若干水印图像进行处理，得到若干背景透明的水印图像模板；

获取若干背景图像；

将所述若干水印图像模板与所述若干背景图像合成，得到所述若干带水印的训练图像。

在本发明一个优选实施例中，所述将所述若干水印图像模板与所述若干背景图像合成的步骤包括：

将同一所述水印图像模板以不同的水印类型、尺寸、透明度和/或位置与所述背景图像合成。

在本发明一个优选实施例中，所述根据标注后的样本数据集，对水印检测模型进行训练的步骤包括：

将所述样本数据集中的训练图像输入所述水印检测模型进行处理，得到所述训练图像的模型处理结果；

基于所述训练图像的模型处理结果与所述训练图像中标注的水印区域，获取损失函数；