CN111798360A - 一种水印检测方法、装置、电子设备及存储介质 - Google Patents
一种水印检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111798360A CN111798360A CN202010618268.7A CN202010618268A CN111798360A CN 111798360 A CN111798360 A CN 111798360A CN 202010618268 A CN202010618268 A CN 202010618268A CN 111798360 A CN111798360 A CN 111798360A
- Authority
- CN
- China
- Prior art keywords
- watermark
- watermark detection
- detection frame
- preset
- image
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 330
- 230000004044 response Effects 0.000 claims abstract description 78
- 238000013475 authorization Methods 0.000 claims abstract description 76
- 238000012795 verification Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 60
- 230000015654 memory Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000012015 optical character recognition Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000013527 convolutional neural network Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/16—Program or content traceability, e.g. by watermarking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Technology Law (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种水印检测方法、装置、电子设备及存储介质，涉及人工智能和深度学习领域。具体方案为：将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度；响应于水印检测框对应的置信度大于或者等于第一置信度阈值，对水印检测框对应的置信度进行调整；响应于水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对待识别图像进行品牌授权验证，检测出水印检测框中的水印为已获得或者未获得授权的水印。本申请实施例能够有效地识别出水印及其版本授权关系，还可以大幅度降低人工审核成本并有效地提高水印检测准确度。
Description
技术领域
本申请涉及计算机技术领域，进一步涉及人工智能和深度学习领域，尤其是一种水印检测方法、装置、电子设备及存储介质。
背景技术
水印是版权保护的有效手段，同时可以更多地展现品牌信息，是当今互联网图片物料中一种常见的元素，但水印的出现会影响图片美观度并可能存在侵权风险，且在各类风险中占比较高，需对水印类图片风险进行审核把控。随着日益增长的图片量，通过人工审核方式耗费巨大人力成本，且审核时效性差。需要构建高准确率、高召回率的水印识别机器策略，对水印进行检测识别，由于线上图片种类众多，图片背景复杂、水印类别增长快，识别难度较大。需尽可能提高识别准确率、召回率，同时识别水印对应的品牌名，核对相应品牌授权关系，降低品牌商标侵权风险。
水印检测目前主要采用如下两种方案：(1)传统检测方案：采用边缘特征计算、直方图、特征向量法等图像特征计算匹配方法对水印进行检测识别。单独针对数字水印又有空域、变换域、离散余弦变换、鲁棒差值等算法；(2)基于深度学习的检测方案：通过人工标注的样本进行水印区域识别，比如常见的Faster RCNN、SSD、Yolo等目标检测算法。
上述两种方案使用场景有所不同，所带来的问题和不足也有所不同。针对上述方案(1)：基于区域像素差异及特征匹配的方式鲁棒性较差，只能针对特定类别进行识别，且识别精度和速度难以满足内容审核的要求；针对方案(2)：目标检测依赖大量的数据标注，难以全面覆盖互联网上日益增长的各种样式的水印，同时难以对图片文本与水印进行区分，极易造成误识别。此外，当前所有水印识别方案均没有考虑到版权识别问题，无法对低质水印、盗版侵权水印与符合授权的水印加以区分，而商标版权问题是内容审核需要重点考虑的问题。
发明内容
本申请提供了一种水印检测方法、装置、电子设备及存储介质，能够有效地识别出水印及其版本授权关系，同时还可以大幅度降低人工审核成本并有效地提高水印检测准确度。
第一方面，本申请提供了一种水印检测方法，所述方法包括：
将待识别图像输入至预先训练的单目标水印检测器；通过所述单目标水印检测器对所述当前样本图像进行水印检测，得到所述待识别图像中的水印检测框和所述水印检测框对应的置信度；
响应于所述水印检测框对应的置信度大于或者等于所述第一置信度阈值，按照预设方法对所述水印检测框对应的置信度进行调整，得到所述水印检测框对应的调整后的置信度；
响应于所述水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对所述待识别图像进行品牌授权验证，检测出所述水印检测框中的水印为已获得授权的水印或者未获得授权的水印。
第二方面，本申请提供了一种水印检测装置，所述装置包括：检测模块、调整模块和判断模块；其中，
所述检测模块，用于将待识别图像输入至预先训练的单目标水印检测器；通过所述单目标水印检测器对所述当前样本图像进行水印检测，得到所述待识别图像中的水印检测框和所述水印检测框对应的置信度；
所述调整模块，用于响应于所述水印检测框对应的置信度大于或者等于所述第一置信度阈值，按照预设方法对所述水印检测框对应的置信度进行调整，得到所述水印检测框对应的调整后的置信度；
所述判断模块，用于响应于所述水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对所述待识别图像进行品牌授权验证，检测出所述水印检测框中的水印为获得授权的水印或者未获得授权的水印。
第三方面，本申请实施例提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的水印检测方法。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任意实施例所述的水印检测方法。
根据本申请的技术解决了现有技术中的水印识别方案均没有考虑到版权识别问题，无法对低质水印、盗版侵权水印与符合授权的水印加以区分的技术问题，本申请提供的技术方案，可以能够有效地识别出水印及其版本授权关系，同时还可以大幅度降低人工审核成本并有效地提高水印检测准确度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例一提供的水印检测方法的流程示意图；
图2是本申请实施例二提供的水印检测方法的流程示意图；
图3是本申请实施例三提供的水印检测方法的流程示意图；
图4是本申请实施例四提供的水印检测装置的结构示意图；
图5是用来实现本申请实施例的水印检测方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
实施例一
图1是本申请实施例一提供的水印检测方法的流程示意图，该方法可以由水印检测装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，水印检测方法可以包括以下步骤：
S101、将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度。
在本申请的具体实施例中，电子设备可以将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度。具体地，电子设备可以通过单目标水印检测器得到水印检测框的四个顶点坐标，基于这四个顶点坐标可以得到水印检测框。在一个实施例中，电子设备可以先将单目标水印检测器的第一层卷积神经网络作为当前层卷积神经网络；将待识别图像作为当前层卷积神经网络的检测对象；然后通过当前层卷积神经网络对当前层卷积神经网络的检测对象进行图像下采样，得到当前层卷积神经网络对应的图像特征提取结果；再将当前层卷积神经网络对应的图像特征提取结果作为当前层卷积神经网络的下一层卷积神经网络的检测对象；将下一层卷积神经网络作为当前层卷积神经网络，重复执行上述操作，直到在单目标水印检测器的第N层卷积神经网络的检测对象中提取出第N层卷积神经网络对应的图像特征提取结果；其中，N为大于1的自然数；最后基于第一层卷积神经网络至第N层卷积神经网络中的每一层卷积神经网络对应的图像特征提取结果，得到待识别图像的水印检测框和水印检测框对应的置信度。
S102、响应于水印检测框对应的置信度大于或者等于第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度。
在本申请的具体实施例中，电子设备可以响应于水印检测框对应的置信度大于或者等于第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度；还可以响应于水印检测框对应的置信度小于预先设置的第一置信度阈值，判定水印检测框中无水印。
S103、响应于水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对待识别图像进行品牌授权验证，检测出水印检测框中的水印为已获得授权的水印或者未获得授权的水印。
在本申请的具体实施例中，电子设备可以响应于水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对待识别图像进行品牌授权验证，检测出水印检测框中的水印为已获得授权的水印或者未获得授权的水印；还可以响应于水印检测框对应的调整后的置信度小于第二置信度阈值，判定水印检测框中无水印。
本申请实施例提出的水印检测方法，先将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度；响应于水印检测框对应的置信度大于或者等于预先设置的第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度；响应于水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对待识别图像进行品牌授权验证，检测出水印检测框中的水印为已获得授权的水印或者未获得授权的水印。也就是说，本申请可以通过单目标水印检测器对水印及其版本授权关系进行检验。而在现有的水印检测方法中，传统检测方案和基于深度学习的检测方案，均没有考虑到版权识别问题，无法对低质水印、盗版侵权水印与符合授权的水印加以区分。因为本申请采用了通过单目标水印检测器对待识别图像进行水印检测以及预先设置与版本授权对应的置信度阈值的技术手段，克服了现有技术中无法对低质水印、盗版侵权水印与符合授权的水印加以区分的技术问题，本申请提供的技术方案，能够有效地识别出水印及其版本授权关系，同时还可以大幅度降低人工审核成本并有效地提高水印检测准确度；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例二
图2是本申请实施例二提供的水印检测方法的流程示意图。如图2所示，水印检测方法可以包括以下步骤：
S201、将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度。
S202、响应于水印检测框对应的置信度大于或者等于第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度。
在本申请的具体实施例中，电子设备可以响应于水印检测框对应的置信度大于或者等于第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度。在一个实施例中，电子设备可以通过光学字符识别法(Optical Character Recognition，简称OCR)对水印检测框进行文字数量识别，得到待识别图像中的文字的个数；响应于水印检测框中的文字的个数大于预先设置的文字数量阈值，将水印检测框对应的置信度降低预定数值。在另一个实施例中，电子设备还可以通过光学字符识别法对水印检测框进行文字区域数量识别，得到水印检测框中的文字区域的个数；响应于水印检测框中的文字区域的个数大于预先设置的文字区域数量阈值，将水印检测框对应的置信度降低预定数值。在另一个实施例中，电子设备还可以通过光学字符识别法对水印检测框进行文字区域比例识别，得到水印检测框占待识别图像的比例；响应于水印检测框占待识别图像的比例大于预先设置的比例阈值，将水印检测框对应的置信度降低预定数值。在另一个实施例中，电子设备还可以通过边缘像素检测算法提取出水印检测框的四个边缘区域；然后计算四个边缘区域中各个边缘区域的像素方差值；再基于各个边缘区域的像素方差值，得到四个边缘区域中最大的像素方差值；响应于最大的像素方差值小于预设方差阈值，将水印检测框对应的置信度降低预定数值。
S203、响应于水印检测框对应的调整后的置信度小于预先设置的第二置信度阈值，判定水印检测框中无水印。
在本申请的具体实施例中，电子设备可以响应于水印检测框对应的调整后的置信度小于预先设置的第二置信度阈值，判定水印检测框中无水印；还可以响应于水印检测框对应的调整后的置信度大于或者等于第二置信度阈值，先基于水印检测框提取出与其对应的特征图向量；然后将水印检测框对应的特征图向量与预先构建的水印品牌特征库内的各个特征图向量进行向量匹配；响应于水印检测框对应的特征图向量与水印品牌特征库内的各个特征图向量均未匹配成功，判定水印检测框中的水印为未获得授权的水印；响应于水印检测框对应的特征图向量与水印品牌特征库内的任意一个特征图向量匹配成功，将该任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词进行授权匹配；响应于该任意一个向量的水印名与水印品牌授权词表中的任意一个品牌授权词匹配成功，判定水印检测框中的水印已获得授权；响应于该任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词均未匹配成功，判定水印检测框中的水印为未获得授权的水印。
较佳地，在本申请的具体实施例中，为了解决对透明度高、目标小的水印的识别难度的技术问题，本申请还提出了将深度网络特征提取层中常用的dropout模块替换为DropBlock模块，有利于网络学习更多元的信息，能更好地聚焦高透明度水印，同时可加快网络收敛速度。另外，还可以在单目标水印检测器中加入多尺度信息，将其进行融合，利用浅层网络的高分辨率细节特征提高对小目标水印的拟合能力，可根据场景识别需求在特征图金字塔网络(Feature Pyramid Networks，简称FPN)中获取多个尺度特征，例如，可以将yolov3中的3尺度增加到4尺度或5尺度，进一步提升对小水印的检测效果。此外，为了解决检测框的准确性的技术问题，本申请还提出在损失函数中引入带权重的机制，相较于原本框坐标交叉熵回归损失，可将预测框与真实框之间的距离、重叠率以及尺度都考虑进去，使框回归更加稳定更加准确。具体地，引入待权重的损失函数可以表示为：
其中，
为带权重的损失函数的取值；b和bgt分别表示预测框及真实框中心点坐标，ρ2代表两个中心点间的欧式距离；c2代表预测框与真实框的最小闭包区域的矩形对角线长度；为权重系数。本申请可以将回归损失所占权重提高，使网络更关注框信息的学习。本申请期望检测结果能尽可能包含整个水印信息，为防止框回归不准确，导致截断的出现，影响识别精度，可以在检测结果后加入一定尺度(特定大小或比例)的扩展，例如，在预测框的结果坐标上向四周扩展若干个像素，调整后的框信息将包含更多水印信息，有利于提高后续水印品牌识别的准确率。
本申请实施例提出的水印检测方法，先将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度；响应于水印检测框对应的置信度大于或者等于预先设置的第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度；响应于水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对待识别图像进行品牌授权验证，检测出水印检测框中的水印为已获得授权的水印或者未获得授权的水印。也就是说，本申请可以通过单目标水印检测器对水印及其版本授权关系进行检验。而在现有的水印检测方法中，传统检测方案和基于深度学习的检测方案，均没有考虑到版权识别问题，无法对低质水印、盗版侵权水印与符合授权的水印加以区分。因为本申请采用了通过单目标水印检测器对待识别图像进行水印检测以及预先设置与版本授权对应的置信度阈值的技术手段，克服了现有技术中无法对低质水印、盗版侵权水印与符合授权的水印加以区分的技术问题，本申请提供的技术方案，能够有效地识别出水印及其版本授权关系，同时还可以大幅度降低人工审核成本并有效地提高水印检测准确度；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例三
图3是本申请实施例三提供的水印检测方法的流程示意图。如图3所示，水印检测方法可以包括以下步骤：
S301、将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度。
S302、响应于水印检测框对应的置信度大于或者等于第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度。
S303、响应于水印检测框对应的调整后的置信度大于或者等于第二置信度阈值，基于水印检测框提取出与其对应的特征图向量。
在本申请的具体实施例中，电子设备可以响应于水印检测框对应的调整后的置信度大于或者等于第二置信度阈值，基于水印检测框提取出与其对应的特征图向量。在一个实施例中，电子设备可以使用多层卷积网络(可选取VGG前5层或者ResNet前18层)进行特征提取，结合通道注意力机制(Channel-Wise Attention)对上下文的语义特征进行提取，同时还可以加入RMAC对特征图进行L2正则化及PCR白化，可更好地提取水印纹理特征，并将该特征压缩为一个向量，该向量为128维或者256维；然后将压缩后的向量利用检索引擎在水印品牌库中进行检索，以升序的余弦距离作为最终检索结果。
S304、将水印检测框对应的特征图向量与预先构建的水印品牌特征库内的各个特征图向量进行向量匹配。
在本申请的具体实施例中，电子设备可以将水印检测框对应的特征图向量与预先构建的水印品牌特征库中的各个特征图向量进行向量匹配。在一个实施例中，电子设备可以计算水印检测框对应的特征图向量与预先构建的水印品牌特征库中的各个特征图向量的余弦距离，通过该余弦距离表示水印检测框对应的特征图向量与水印品牌特征库中的各个特征图向量的匹配程度。具体地，余弦距离可以表示为：
其中，dist(A,B)为计算出的余弦距离，Ai为水印检测框对应的特征图向量；Bi为水印品牌特征库中的任意一个特征图向量。
S305、响应于水印检测框对应的特征图向量与水印品牌特征库中的任意一个特征图向量匹配成功，将该任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词进行授权匹配。
在本申请的具体实施例中，电子设备可以响应于水印检测框对应的特征图向量与水印品牌特征库中的任意一个特征图向量匹配成功，将该任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词进行授权匹配。具体地，电子设备可以计算该任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词的匹配值，根据该匹配值判断出该任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词是否匹配。
S306、响应于该任意一个向量的水印名与水印品牌授权词表中的任意一个品牌授权词匹配成功，判定水印检测框中的水印已获得授权。
在本申请的具体实施例中，电子设备可以响应于该任意一个向量的水印名与水印品牌授权词表中的任意一个品牌授权词匹配成功，确定水印检测框中的水印已获得授权；还可以响应于该任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词均未匹配成功，确定水印检测框中的水印为未获得授权的水印。
较佳地，在本申请的具体实施例中，电子设备在将待识别图像输入至预先训练的单目标水印检测器之前，还可以先对该单目标水印检测器进行训练。具体地，响应于单目标水印检测器不满足预先设置的收敛条件，先在预先构建的样本图像库中提取出一个样本图像作为当前样本图像；其中，该样本图像包括：正样本图像或者负样本图像；然后将当前样本图像输入至单目标水印检测器，使用当前样本图像对单目标水印检测器进行训练；重复执行上述操作，直到单目标水印检测器满足收敛条件。
较佳地，在本申请的具体实施例中，电子设备在预先构建的样本图像库中提取出一个样本图像作为当前样本图像之前，还可以先构建出样本图像库。具体地，响应于样本图像库中的样本图像的数量小于预先设置的图像数量阈值，在预先构建的水印模板库提取出一个水印模板作为当前水印模板；然后基于当前水印模板构建出与其对应的至少一个样本图像；将至少一个样本图像加入至样本图像库中，重复执行上述操作，直到样本图像库中的样本图像的数量等于预先设置的图像数量阈值。
现有的基于深度学习的目标检测算法基于大量带标注数据，数据量、数据多样性、数据分布等均影响算法检测效果。水印图片收集困难，难以全面覆盖产品线真实数据，且水印图片存在长尾数据特点，个别小众水印出现频率较低，训练集中数据较少模型难以拟合学习。本申请采用多种数据构造增强方式，收集一批线上真实水印数据模板，按不同字体、大小、颜色、倾斜角、透明度等增强方式扩充模板数据集，将模板随机覆盖到清洗干净的无水印数据集，从而构造生成样本图像库，贴图过程中保存模板水印的左上角及右下角顶点坐标。此构造方式可覆盖大量真实水印数据，只需收集水印模板，可快速扩充，且无需标注节省大量人工成本。此外，电子设备还可以将多个构造生成的水印图片进行拼接得到一张包含多个水印目标的图片，此构造方式可丰富数据集，且一定程度解决数据集正负样本不均衡问题。例如，随机选择4张已添加水印的图片，将其重新设置为同样的大小，并以2×2的方式进行拼接，得到一张包含4个不同样式水印的图片，同样需记录下水印在图中的位置作为标签信息。可迭代地，收集通过初版检测模型误识别得到的负例样本作为再次进行模板贴图的基础样本集，以上述同样的方式进行水印图片合成，此方式可将更多负例信息加入模型训练中，增强模型的泛化能力。可以看出，本申请提出的数据集构造方式，可持续迭代生成大量水印数据集，构造方式灵活、可扩展，整个流程无人工数据标注需求。
本申请实施例提出的水印检测方法，先将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度；响应于水印检测框对应的置信度大于或者等于预先设置的第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度；响应于水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对待识别图像进行品牌授权验证，检测出水印检测框中的水印为已获得授权的水印或者未获得授权的水印。也就是说，本申请可以通过单目标水印检测器对水印及其版本授权关系进行检验。而在现有的水印检测方法中，传统检测方案和基于深度学习的检测方案，均没有考虑到版权识别问题，无法对低质水印、盗版侵权水印与符合授权的水印加以区分。因为本申请采用了通过单目标水印检测器对待识别图像进行水印检测以及预先设置与版本授权对应的置信度阈值的技术手段，克服了现有技术中无法对低质水印、盗版侵权水印与符合授权的水印加以区分的技术问题，本申请提供的技术方案，能够有效地识别出水印及其版本授权关系，同时还可以大幅度降低人工审核成本并有效地提高水印检测准确度；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例四
图4是本申请实施例四提供的水印检测装置的结构示意图。如图4所示，所述装置400包括：检测模块401、调整模块402和判断模块403；其中，
所述检测模块401，用于将待识别图像输入至预先训练的单目标水印检测器；通过所述单目标水印检测器对所述当前样本图像进行水印检测，得到所述待识别图像中的水印检测框和所述水印检测框对应的置信度；
所述调整模块402，用于响应于所述水印检测框对应的置信度大于或者等于所述第一置信度阈值，按照预设方法对所述水印检测框对应的置信度进行调整，得到所述水印检测框对应的调整后的置信度；
所述判断模块403，用于响应于所述水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对所述待识别图像进行品牌授权验证，检测出所述水印检测框中的水印为获得授权的水印或者未获得授权的水印。
进一步的，所述判断模块403，还用于响应于所述水印检测框对应的置信度小于所述第一置信度阈值，判定所述水印检测框中无水印；或者，响应于所述水印检测框对应的调整后的置信度小于所述第二置信度阈值，判定所述水印检测框中无水印。
进一步的，所述调整模块402，具体用于通过光学字符识别法对所述水印检测框进行文字数量识别，得到所述待识别图像中的文字的个数；响应于所述水印检测框中的文字的个数大于预先设置的文字数量阈值，将所述水印检测框对应的置信度降低预定数值。
进一步的，所述调整模块402，具体用于通过光学字符识别法对所述水印检测框进行文字区域数量识别，得到所述水印检测框中的文字区域的个数；响应于所述水印检测框中的文字区域的个数大于预先设置的文字区域数量阈值，将所述水印检测框对应的置信度降低预定数值。
进一步的，所述调整模块402，具体用于通过光学字符识别法对所述水印检测框进行文字区域比例识别，得到所述水印检测框占所述待识别图像的比例；响应于所述水印检测框占所述待识别图像的比例大于预先设置的比例阈值，将所述水印检测框对应的置信度降低预定数值。
进一步的，所述调整模块402，具体用于通过边缘像素检测算法提取出所述水印检测框的四个边缘区域；计算所述四个边缘区域中各个边缘区域的像素方差值；基于所述各个边缘区域的像素方差值，得到所述四个边缘区域中最大的像素方差值；响应于所述最大的像素方差值小于预设方差阈值，将所述水印检测框对应的置信度降低预定数值。
进一步的，所述判断模块403，具体用于基于所述水印检测框提取出与其对应的特征图向量；将所述水印检测框对应的特征图向量与预先构建的水印品牌特征库内的向量进行向量匹配；响应于所述水印检测框对应的特征图向量与所述水印品牌特征库内的各个向量均未匹配成功，判定所述水印检测框中的水印为未获得授权的水印；响应于所述水印检测框对应的特征图向量与所述水印品牌特征库内的任意一个向量匹配成功，将所述任意一个向量的水印名与水印品牌授权词表中进行授权匹配；响应于所述任意一个向量的水印名与所述水印品牌授权词表中的任意一个水印品牌匹配成功，判定所述水印检测框中的水印已获得授权；响应于所述任意一个向量的水印名与所述水印品牌授权词表中的各个水印品牌均未匹配成功，判定所述水印检测框中的水印为未获得授权的水印。
进一步的，所述装置还包括：训练模块404(图中未示出)，用于响应于所述单目标水印检测器不满足预先设置的收敛条件，在预先构建的样本图像库中提取出一个样本图像作为当前样本图像；其中，所述样本图像包括：正样本图像或者负样本图像；将所述当前样本图像输入至所述单目标水印检测器，使用所述当前样本图像对所述单目标水印检测器进行训练；重复执行上述操作，直到所述单目标水印检测器满足所述收敛条件。
进一步的，所述训练模块404，还用于响应于所述样本图像库中的样本图像的数量小于预先设置的图像数量阈值，在预先构建的水印模板库提取出一个水印模板作为当前水印模板；基于所述当前水印模板构建出与其对应的至少一个样本图像；将所述至少一个样本图像加入至所述样本图像库中，重复执行上述操作，直到所述样本图像库中的样本图像的数量等于预先设置的图像数量阈值。
上述水印检测装置可执行本申请任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请任意实施例提供的水印检测方法。
实施例五
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例的水印检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的水印检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的水印检测方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的水印检测方法对应的程序指令/模块(例如，附图4所示的检测模块401、调整模块402和判断模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的水印检测方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据水印检测方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至水印检测方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
水印检测方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与水印检测方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，先将待识别图像输入至预先训练的单目标水印检测器；通过单目标水印检测器对当前样本图像进行水印检测，得到待识别图像中的水印检测框和水印检测框对应的置信度；响应于水印检测框对应的置信度大于或者等于预先设置的第一置信度阈值，按照预设方法对水印检测框对应的置信度进行调整，得到水印检测框对应的调整后的置信度；响应于水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对待识别图像进行品牌授权验证，检测出水印检测框中的水印为已获得授权的水印或者未获得授权的水印。也就是说，本申请可以通过单目标水印检测器对水印及其版本授权关系进行检验。而在现有的水印检测方法中，传统检测方案和基于深度学习的检测方案，均没有考虑到版权识别问题，无法对低质水印、盗版侵权水印与符合授权的水印加以区分。因为本申请采用了通过单目标水印检测器对待识别图像进行水印检测以及预先设置与版本授权对应的置信度阈值的技术手段，克服了现有技术中无法对低质水印、盗版侵权水印与符合授权的水印加以区分的技术问题，本申请提供的技术方案，能够有效地识别出水印及其版本授权关系，同时还可以大幅度降低人工审核成本并有效地提高水印检测准确度；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (20)
1.一种水印检测方法，其特征在于，所述方法包括：
将待识别图像输入至预先训练的单目标水印检测器；通过所述单目标水印检测器对所述当前样本图像进行水印检测，得到所述待识别图像中的水印检测框和所述水印检测框对应的置信度；
响应于所述水印检测框对应的置信度大于或者等于所述第一置信度阈值，按照预设方法对所述水印检测框对应的置信度进行调整，得到所述水印检测框对应的调整后的置信度；
响应于所述水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对所述待识别图像进行品牌授权验证，检测出所述水印检测框中的水印为已获得授权的水印或者未获得授权的水印。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于所述水印检测框对应的置信度小于所述第一置信度阈值，判定所述水印检测框中无水印；或者，响应于所述水印检测框对应的调整后的置信度小于所述第二置信度阈值，判定所述水印检测框中无水印。
3.根据权利要求1所述的方法，其特征在于，所述按照预设方法对所述水印检测框对应的置信度进行调整，包括：
通过光学字符识别法对所述水印检测框进行文字数量识别，得到所述待识别图像中的文字的个数；响应于所述水印检测框中的文字的个数大于预先设置的文字数量阈值，将所述水印检测框对应的置信度降低预定数值。
4.根据权利要求1所述的方法，其特征在于，所述按照预设方法对所述水印检测框对应的置信度进行调整，包括：
通过光学字符识别法对所述水印检测框进行文字区域数量识别，得到所述水印检测框中的文字区域的个数；响应于所述水印检测框中的文字区域的个数大于预先设置的文字区域数量阈值，将所述水印检测框对应的置信度降低预定数值。
5.根据权利要求1所述的方法，其特征在于，所述按照预设方法对所述水印检测框对应的置信度进行调整，包括：
通过光学字符识别法对所述水印检测框进行文字区域比例识别，得到所述水印检测框占所述待识别图像的比例；响应于所述水印检测框占所述待识别图像的比例大于预先设置的比例阈值，将所述水印检测框对应的置信度降低预定数值。
6.根据权利要求1所述的方法，其特征在于，所述按照预设方法对所述水印检测框对应的置信度进行调整，包括：
通过边缘像素检测算法提取出所述水印检测框的四个边缘区域；
计算所述四个边缘区域中各个边缘区域的像素方差值；基于所述各个边缘区域的像素方差值，得到所述四个边缘区域中最大的像素方差值；
响应于所述最大的像素方差值小于预设方差阈值，将所述水印检测框对应的置信度降低预定数值。
7.根据权利要求1所述的方法，其特征在于，所述对所述待识别图像进行品牌授权验证，检测出所述水印检测框中的水印为已获得授权的水印或者未获得授权的水印，包括：
基于所述水印检测框提取出与其对应的特征图向量；
将所述水印检测框对应的特征图向量与预先构建的水印品牌特征库内的各个特征图向量进行向量匹配；
响应于所述水印检测框对应的特征图向量与所述水印品牌特征库内的各个特征图向量均未匹配成功，判定所述水印检测框中的水印为未获得授权的水印；响应于所述水印检测框对应的特征图向量与所述水印品牌特征库内的任意一个特征图向量匹配成功，将所述任意一个向量的水印名与水印品牌授权词表中的各个品牌授权词进行授权匹配；响应于所述任意一个向量的水印名与所述水印品牌授权词表中的任意一个品牌授权词匹配成功，判定所述水印检测框中的水印已获得授权；响应于所述任意一个向量的水印名与所述水印品牌授权词表中的各个品牌授权词均未匹配成功，判定所述水印检测框中的水印为未获得授权的水印。
8.根据权利要求1所述的方法，其特征在于，在所述将待识别图像输入至预先训练的单目标水印检测器之前，所述方法还包括：
响应于所述单目标水印检测器不满足预先设置的收敛条件，在预先构建的样本图像库中提取出一个样本图像作为当前样本图像；其中，所述样本图像包括：正样本图像或者负样本图像；
将所述当前样本图像输入至所述单目标水印检测器，使用所述当前样本图像对所述单目标水印检测器进行训练；重复执行上述操作，直到所述单目标水印检测器满足所述收敛条件。
9.根据权利要求8所述的方法，其特征在于，在所述在预先构建的样本图像库中提取出一个样本图像作为当前样本图像之前，所述方法还包括：
响应于所述样本图像库中的样本图像的数量小于预先设置的图像数量阈值，在预先构建的水印模板库提取出一个水印模板作为当前水印模板；
基于所述当前水印模板构建出与其对应的至少一个样本图像；将所述至少一个样本图像加入至所述样本图像库中，重复执行上述操作，直到所述样本图像库中的样本图像的数量等于预先设置的图像数量阈值。
10.一种水印检测装置，其特征在于，所述装置包括：检测模块、调整模块和判断模块；其中，
所述检测模块，用于将待识别图像输入至预先训练的单目标水印检测器；通过所述单目标水印检测器对所述当前样本图像进行水印检测，得到所述待识别图像中的水印检测框和所述水印检测框对应的置信度；
所述调整模块，用于响应于所述水印检测框对应的置信度大于或者等于所述第一置信度阈值，按照预设方法对所述水印检测框对应的置信度进行调整，得到所述水印检测框对应的调整后的置信度；
所述判断模块，用于响应于所述水印检测框对应的调整后的置信度大于或者等于预先设置的第二置信度阈值，对所述待识别图像进行品牌授权验证，检测出所述水印检测框中的水印为获得授权的水印或者未获得授权的水印。
11.根据权利要求10所述的装置，其特征在于，所述判断模块，还用于响应于所述水印检测框对应的置信度小于所述第一置信度阈值，判定所述水印检测框中无水印；或者，响应于所述水印检测框对应的调整后的置信度小于所述第二置信度阈值，判定所述水印检测框中无水印。
12.根据权利要求10所述的装置，其特征在于：
所述调整模块，具体用于通过光学字符识别法对所述水印检测框进行文字数量识别，得到所述待识别图像中的文字的个数；响应于所述水印检测框中的文字的个数大于预先设置的文字数量阈值，将所述水印检测框对应的置信度降低预定数值。
13.根据权利要求10所述的装置，其特征在于：
所述调整模块，具体用于通过光学字符识别法对所述水印检测框进行文字区域数量识别，得到所述水印检测框中的文字区域的个数；响应于所述水印检测框中的文字区域的个数大于预先设置的文字区域数量阈值，将所述水印检测框对应的置信度降低预定数值。
14.根据权利要求10所述的装置，其特征在于：
所述调整模块，具体用于通过光学字符识别法对所述水印检测框进行文字区域比例识别，得到所述水印检测框占所述待识别图像的比例；响应于所述水印检测框占所述待识别图像的比例大于预先设置的比例阈值，将所述水印检测框对应的置信度降低预定数值。
15.根据权利要求10所述的装置，其特征在于：
所述调整模块，具体用于通过边缘像素检测算法提取出所述水印检测框的四个边缘区域；计算所述四个边缘区域中各个边缘区域的像素方差值；基于所述各个边缘区域的像素方差值，得到所述四个边缘区域中最大的像素方差值；响应于所述最大的像素方差值小于预设方差阈值，将所述水印检测框对应的置信度降低预定数值。
16.根据权利要求10所述的装置，其特征在于：
所述判断模块，具体用于基于所述水印检测框提取出与其对应的特征图向量；将所述水印检测框对应的特征图向量与预先构建的水印品牌特征库内的向量进行向量匹配；响应于所述水印检测框对应的特征图向量与所述水印品牌特征库内的各个向量均未匹配成功，判定所述水印检测框中的水印为未获得授权的水印；响应于所述水印检测框对应的特征图向量与所述水印品牌特征库内的任意一个向量匹配成功，将所述任意一个向量的水印名与水印品牌授权词表中进行授权匹配；响应于所述任意一个向量的水印名与所述水印品牌授权词表中的任意一个水印品牌匹配成功，判定所述水印检测框中的水印已获得授权；响应于所述任意一个向量的水印名与所述水印品牌授权词表中的各个水印品牌均未匹配成功，判定所述水印检测框中的水印为未获得授权的水印。
17.根据权利要求10所述的装置，其特征在于，所述装置还包括：训练模块，用于响应于所述单目标水印检测器不满足预先设置的收敛条件，在预先构建的样本图像库中提取出一个样本图像作为当前样本图像；其中，所述样本图像包括：正样本图像或者负样本图像；将所述当前样本图像输入至所述单目标水印检测器，使用所述当前样本图像对所述单目标水印检测器进行训练；重复执行上述操作，直到所述单目标水印检测器满足所述收敛条件。
18.根据权利要求17所述的装置，其特征在于：
所述训练模块，还用于响应于所述样本图像库中的样本图像的数量小于预先设置的图像数量阈值，在预先构建的水印模板库提取出一个水印模板作为当前水印模板；基于所述当前水印模板构建出与其对应的至少一个样本图像；将所述至少一个样本图像加入至所述样本图像库中，重复执行上述操作，直到所述样本图像库中的样本图像的数量等于预先设置的图像数量阈值。
19.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618268.7A CN111798360B (zh) | 2020-06-30 | 2020-06-30 | 一种水印检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010618268.7A CN111798360B (zh) | 2020-06-30 | 2020-06-30 | 一种水印检测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111798360A true CN111798360A (zh) | 2020-10-20 |
| CN111798360B CN111798360B (zh) | 2023-08-15 |
Family
ID=72809811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010618268.7A Active CN111798360B (zh) | 2020-06-30 | 2020-06-30 | 一种水印检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111798360B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112330651A (zh) * | 2020-11-13 | 2021-02-05 | 山东师范大学 | 一种基于深度学习的Logo检测方法及*** |
| CN112419135A (zh) * | 2020-11-19 | 2021-02-26 | 广州华多网络科技有限公司 | 水印识别在线训练、制样、去除方法及装置、设备、介质 |
| CN112581549A (zh) * | 2020-12-16 | 2021-03-30 | 合肥图溯信息技术有限公司 | 图片溯源方法、存储介质、电子设备和主机设备 |
| CN112579994A (zh) * | 2020-12-23 | 2021-03-30 | 陈子祺 | 一种基于人工智能的数字产品内容保护***和方法 |
| CN112733590A (zh) * | 2020-11-06 | 2021-04-30 | 哈尔滨理工大学 | 一种基于二阶混合注意力的行人重识别方法 |
| CN113469029A (zh) * | 2021-06-30 | 2021-10-01 | 上海犀语科技有限公司 | 一种金融类pdf扫描件的文本识别方法及装置 |
| CN113822521A (zh) * | 2021-06-15 | 2021-12-21 | 腾讯云计算（北京）有限责任公司 | 题库题目的质量检测方法、装置及存储介质 |
| CN114140303A (zh) * | 2021-11-19 | 2022-03-04 | 深圳集智数字科技有限公司 | 图像的水印去除方法、装置、电子设备及存储介质 |
| CN114596188A (zh) * | 2022-02-22 | 2022-06-07 | 北京百度网讯科技有限公司 | 水印检测方法、模型训练方法、装置及电子设备 |
| CN114842476A (zh) * | 2022-06-29 | 2022-08-02 | 北京百度网讯科技有限公司 | 水印检测方法及装置、模型训练方法及装置 |
| WO2023019682A1 (zh) * | 2021-08-19 | 2023-02-23 | 广东艾檬电子科技有限公司 | 水印去除方法、装置、终端设备及可读存储介质 |
| CN116956244A (zh) * | 2023-09-18 | 2023-10-27 | 翼方健数(北京)信息科技有限公司 | 一种针对aigc文本创作内容的版权保护方法和*** |
| CN117333495A (zh) * | 2023-12-01 | 2024-01-02 | 浙江口碑网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1333658A2 (en) * | 2002-02-01 | 2003-08-06 | Markany Inc. | Apparatus and method for producing a watermarked document and for authenticating the same |
| JP2006109071A (ja) * | 2004-10-05 | 2006-04-20 | Nippon Telegr & Teleph Corp <Ntt> | 電子透かし検証方法およびシステム、プログラム |
| WO2013001346A1 (en) * | 2011-06-28 | 2013-01-03 | De Laat Marc | Method and system for detecting violation of intellectual property rights of a digital file |
| CN109858207A (zh) * | 2019-01-31 | 2019-06-07 | 南京麦朵信息技术有限公司 | 一种非授权分发的多媒体版权追踪的方法 |
| CN111191591A (zh) * | 2019-12-30 | 2020-05-22 | 广州市百果园网络科技有限公司 | 一种水印检测、视频处理方法和相关设备 |
-
2020
- 2020-06-30 CN CN202010618268.7A patent/CN111798360B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1333658A2 (en) * | 2002-02-01 | 2003-08-06 | Markany Inc. | Apparatus and method for producing a watermarked document and for authenticating the same |
| JP2006109071A (ja) * | 2004-10-05 | 2006-04-20 | Nippon Telegr & Teleph Corp <Ntt> | 電子透かし検証方法およびシステム、プログラム |
| WO2013001346A1 (en) * | 2011-06-28 | 2013-01-03 | De Laat Marc | Method and system for detecting violation of intellectual property rights of a digital file |
| CN109858207A (zh) * | 2019-01-31 | 2019-06-07 | 南京麦朵信息技术有限公司 | 一种非授权分发的多媒体版权追踪的方法 |
| CN111191591A (zh) * | 2019-12-30 | 2020-05-22 | 广州市百果园网络科技有限公司 | 一种水印检测、视频处理方法和相关设备 |
Non-Patent Citations (1)
| Title |
|---|
| 虞晓庆;: "数字图像水印性能评估方法研究", 电脑知识与技术, pages 7742 - 7743 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112733590A (zh) * | 2020-11-06 | 2021-04-30 | 哈尔滨理工大学 | 一种基于二阶混合注意力的行人重识别方法 |
| CN112330651A (zh) * | 2020-11-13 | 2021-02-05 | 山东师范大学 | 一种基于深度学习的Logo检测方法及*** |
| CN112419135A (zh) * | 2020-11-19 | 2021-02-26 | 广州华多网络科技有限公司 | 水印识别在线训练、制样、去除方法及装置、设备、介质 |
| CN112419135B (zh) * | 2020-11-19 | 2024-07-12 | 广州华多网络科技有限公司 | 水印识别在线训练、制样、去除方法及装置、设备、介质 |
| CN112581549A (zh) * | 2020-12-16 | 2021-03-30 | 合肥图溯信息技术有限公司 | 图片溯源方法、存储介质、电子设备和主机设备 |
| CN112579994A (zh) * | 2020-12-23 | 2021-03-30 | 陈子祺 | 一种基于人工智能的数字产品内容保护***和方法 |
| CN113822521B (zh) * | 2021-06-15 | 2024-05-24 | 腾讯云计算（北京）有限责任公司 | 题库题目的质量检测方法、装置及存储介质 |
| CN113822521A (zh) * | 2021-06-15 | 2021-12-21 | 腾讯云计算（北京）有限责任公司 | 题库题目的质量检测方法、装置及存储介质 |
| CN113469029A (zh) * | 2021-06-30 | 2021-10-01 | 上海犀语科技有限公司 | 一种金融类pdf扫描件的文本识别方法及装置 |
| WO2023019682A1 (zh) * | 2021-08-19 | 2023-02-23 | 广东艾檬电子科技有限公司 | 水印去除方法、装置、终端设备及可读存储介质 |
| CN114140303A (zh) * | 2021-11-19 | 2022-03-04 | 深圳集智数字科技有限公司 | 图像的水印去除方法、装置、电子设备及存储介质 |
| CN114596188A (zh) * | 2022-02-22 | 2022-06-07 | 北京百度网讯科技有限公司 | 水印检测方法、模型训练方法、装置及电子设备 |
| CN114842476A (zh) * | 2022-06-29 | 2022-08-02 | 北京百度网讯科技有限公司 | 水印检测方法及装置、模型训练方法及装置 |
| CN116956244A (zh) * | 2023-09-18 | 2023-10-27 | 翼方健数(北京)信息科技有限公司 | 一种针对aigc文本创作内容的版权保护方法和*** |
| CN117333495A (zh) * | 2023-12-01 | 2024-01-02 | 浙江口碑网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
| CN117333495B (zh) * | 2023-12-01 | 2024-03-19 | 浙江口碑网络技术有限公司 | 图像检测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111798360B (zh) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111798360B (zh) | 一种水印检测方法、装置、电子设备及存储介质 | |
| US11170210B2 (en) | Gesture identification, control, and neural network training methods and apparatuses, and electronic devices | |
| CN108399386B (zh) | 饼图中的信息提取方法及装置 | |
| CN105825524B (zh) | 目标跟踪方法和装置 | |
| WO2019105337A1 (zh) | 基于视频的人脸识别方法、装置、设备、介质及程序 | |
| WO2020077858A1 (zh) | 基于神经网络的视频描述生成方法、介质、终端及装置 | |
| US11704357B2 (en) | Shape-based graphics search | |
| CN113656582B (zh) | 神经网络模型的训练方法、图像检索方法、设备和介质 | |
| CN107273895B (zh) | 用于头戴式智能设备的视频流实时文本识别及翻译的方法 | |
| US11481563B2 (en) | Translating texts for videos based on video context | |
| CN109343920B (zh) | 一种图像处理方法及其装置、设备和存储介质 | |
| CN115797706B (zh) | 目标检测方法、目标检测模型训练方法及相关装置 | |
| CN113971751A (zh) | 训练特征提取模型、检测相似图像的方法和装置 | |
| WO2022089170A1 (zh) | 字幕区域识别方法、装置、设备及存储介质 | |
| CN115294332B (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| US20230100427A1 (en) | Face image processing method, face image processing model training method, apparatus, device, storage medium, and program product | |
| CN114511661A (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
| CN111598149B (zh) | 一种基于注意力机制的回环检测方法 | |
| CN115578735A (zh) | 文本检测方法和文本检测模型的训练方法、装置 | |
| WO2019100348A1 (zh) | 图像检索方法和装置以及图像库的生成方法和装置 | |
| CN114418124A (zh) | 生成图神经网络模型的方法、装置、设备及存储介质 | |
| CN114495113A (zh) | 文本分类方法和文本分类模型的训练方法、装置 | |
| CN112465050B (zh) | 一种图像模板选择方法、装置、设备及存储介质 | |
| CN116802683A (zh) | 图像的处理方法和*** | |
| CN110738261B (zh) | 图像分类和模型训练方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |