[发明专利]水印识别在线训练、制样、去除方法及装置、设备、介质

说明书

本申请公开一种水印识别在线训练、制样、去除方法及装置、设备、介质，所述训练方法包括：从背景数据集中提取背景图，将其随机裁剪为预设规格；从水印数据集中提取水印原图，将该水印原图进行图像变形处理以形成水印增强图；将水印增强图与所述背景图进行合成，以获得相应的合成图；将所述合成图作为训练样本馈入至预设的具有编码解码结构的适于捕获多尺度特征的图像分割模型中实施样本训练，使该图像分割模型经此训练适于从待识别图片中去除所述水印原图。本申请能够自动在线合成含水印的训练样本即时用于图像分割模型的训练，使该模型具备识别和去除图片中的水印的能力。

技术领域

本申请属于图像识别技术，具体涉及一种水印识别在线训练、制样、去除方法及其各自相应的装置、电子设备、非易失性存储介质。

背景技术

采用卷积神经网络来进行基于人工智能的图像识别的相关技术已经成熟。众所周知，人工智能的实现依赖于大数据及其算法，换言之，一个有效的神经网络，一方面依赖于其训练样本的多样式，另一方面也依赖于其网络原理和结构。

出于各种不同目的，各大互联网平台或者应用程序，会对用户上传的图片添加水印，这些水印有时候会导致不便，特别是图片所有人有时候需要复用原图时，受限于已添加的水印，只能作罢。因此，时下的一种图像识别需求是需要对各种被各大平台、应用程序添加了水印的图片进行水印的识别和清除操作，以便还原出原图，方便图片所有者的重复利用。

现有技术中存在从待识别图片中去除水印的技术，但由于其所依赖的神经网络的不同，以及其训练样本的差异，其识别效果并不理想。具体而言，在训练样本方面，现有技术所依赖的数据集多为采集所得或者多是基于简单处理而得因此其数据量是有限的，且其特征代表性本身较低效，导致训练效果不佳；在其所依赖的神经网络方面，多采用传统的神经网络，这些神经网络本身由于其设计使然，往往依赖于海量样本，对样本需求量特别高。可见，所采用的网络的类型及所采用的样本数两者互相依赖，导致现有的水印识别技术普遍效果不佳，实施成本较高。

发明内容

本申请的目的，旨在提供一种水印识别在线训练方法、一种水印识别在线制样方法、一种水印识别在线去除方法及其各自相应的装置、电子设备、非易失性存储介质。

为满足本申请的各个目的，本申请采用如下技术方案：

适应于本申请的目的之一而提供的一种水印识别在线训练方法，包括如下迭代执行的步骤：

从背景数据集中提取背景图，将其随机裁剪为预设规格；

从水印数据集中提取水印原图，将该水印原图进行图像变形处理以形成水印增强图；

将水印增强图与所述背景图进行合成，以获得相应的合成图；

将所述合成图作为训练样本馈入至预设的具有编码解码结构的适于捕获多尺度特征的图像分割模型中实施样本训练，使该图像分割模型经此训练适于从待识别图片中去除所述水印原图。

较佳的实施例中，所述图像分割模型采用基于Residual U-block结构的U²-Net神经网络实现。

更具体的实施例中，所述图像分割模型实施样本训练包括如下步骤：

将所述合成图馈入所述图像分割模型的输入卷积层中进行局部特征提取，获得中间特征映射；

将所述中间特征映射经图像分割模型的收缩路径中的多个编码器逐步下采样提取多尺度特征；

以所述多尺度特征为馈入特征，经图像分割模型的扩展路径中的多个解码器逐步上采样，逐级还原为更高分辨率的特征图，其中，每个解码器以其对应的一个编码器所获得的特征图为参照用于实施所述的还原；

将解码器的所有输出和编码器最后阶段的输出进行融合，获得去除水印后的彩色图。