The invention relates to the field of image detection technology, and discloses a method, device, device and computer readable storage medium for image watermarking recognition. The method of image watermarking recognition includes: data enhancement of the existing image database to obtain the sample image database; training the pre-convolution neural network model based on the iteration training method through the pictures in the sample image database to obtain the eye. Scalar convolution neural network model, in which the target convolution neural network model includes inception network and prediction layer, and the prediction layer is FPN structure; the image to be recognized is input into the target convolution neural network model, and the feature information of the image to be recognized is extracted through inception network; according to the prediction layer and feature information, the watermarking in the image to be recognized is identified, and the watermarking of the image to be recognized is obtained. Recognition results. Through the invention, the original SSD network structure is optimized, and the image watermarking recognition is carried out according to the optimized target neural network model, and the recognition accuracy can be greatly improved.
【技术实现步骤摘要】
图片水印识别方法、装置、设备及计算机可读存储介质
本专利技术涉及图像检测
,尤其涉及图片水印识别方法、装置、设备及计算机可读存储介质。
技术介绍
图像包含了丰富且直观的信息,当前在互联网的社交、购物等领域,都需要大量的图像来给用户传递信息。由于互联网信息的传播极为快速和便携,越来越多的个人和组织选择给自身拥有的图像嵌入水印信息,如在图像部分区域打上商标或网址的水印,以此保护图像信息的所有权。因此,图像信息的提供方在使用图像前,需要对图像进行审核,识别图像中是否含有水印信息,避免出现误用和侵权的行为。一方面,随着互联网的飞速发展,图像提供方每天都会利用用户上传、爬虫下载等诸多途径获取大量图像信息,数量已远远超过人工审核的限度。另一方面,水印信息在图像中的视觉显著性很低,具有面积小,颜色浅,透明度高等特点,带水印图像与未带水印图像之间的差异往往很小,区分度较低。因此,通过人工审核的方式,难以实现对带水印图片的准确识别。
技术实现思路
本专利技术的主要目的在于提供一种图片水印识别方法、装置、设备及计算机可读存储介质,旨在解决现有技术中通过人工审核的方式,难以实现对带水印图片的准确识别的技术问题。为实现上述目的,本专利技术提供一种图片水印识别方法,所述图片水印识别方法包括以下步骤:对现有图片库进行数据增强,得到样本图片库;通过样本图片库中的图片,基于迭代训练的方式对预置卷积神经网络模型进行训练,得到目标卷积神经网络模型,其中,所述目标卷积神经网络模型包含inception网络以及预测层,所述预测层为FPN结构;将待识别图片输入所述目标卷积神经网络模型,通过所述i ...
【技术保护点】
1.一种图片水印识别方法,其特征在于,所述图片水印识别方法包括以下步骤:对现有图片库进行数据增强,得到样本图片库;通过样本图片库中的图片,基于迭代训练的方式对预置卷积神经网络模型进行训练,得到目标卷积神经网络模型,其中,所述目标卷积神经网络模型包含inception网络以及预测层,所述预测层为FPN结构;将待识别图片输入所述目标卷积神经网络模型,通过所述inception网络提取所述待识别图片的特征信息;根据所述预测层和所述特征信息,识别所述待识别图片中的水印,得到所述待识别图片的水印识别结果。
【技术特征摘要】
1.一种图片水印识别方法,其特征在于,所述图片水印识别方法包括以下步骤:对现有图片库进行数据增强,得到样本图片库;通过样本图片库中的图片,基于迭代训练的方式对预置卷积神经网络模型进行训练,得到目标卷积神经网络模型,其中,所述目标卷积神经网络模型包含inception网络以及预测层,所述预测层为FPN结构;将待识别图片输入所述目标卷积神经网络模型,通过所述inception网络提取所述待识别图片的特征信息;根据所述预测层和所述特征信息,识别所述待识别图片中的水印,得到所述待识别图片的水印识别结果。2.如权利要求1所述的图片水印识别方法,其特征在于,所述对现有图片库进行数据增强,得到样本图片库的步骤包括:对现有图片库中原始图片的水印进行调整,得到新增图片;基于原始图片以及新增图片,得到样本图片库。3.如权利要求1所述的图片水印识别方法,其特征在于,所述预置卷积神经网络模型包含inception网络以及预测层,所述预测层为FPN结构,所述通过样本图片库中的图片,基于迭代训练的方式对预置卷积神经网络模型进行训练,得到目标卷积神经网络模型的步骤包括:对样本图片库中的图片进行预处理,得到训练图片,所述训练图片的数量至少为两张;将每张训练图片输入预置卷积神经网络模型,通过所述inception网络提取每张训练图片的特征信息;根据所述预测层和每张训练图片的特征信息,识别每张训练图片中的水印,得到每张训练图片的水印识别结果;将每张训练图片的水印识别结果与各自对应的原始标注信息进行对比,得到每张训练图片对应的相似度,对得到的相似度进行求平均值计算,得到map值;检测所述map值是否满足精度需求;若所述map值满足精度需求,则以所述预置卷积神经网络模型作为目标卷积神经网络模型;若所述map值不满足精度需求,则对所述预置卷积神经网络模型进行参数调整,得到新的卷积神经网络模型;将所述新的卷积神经网络模型作为预置卷积神经网络模型,并执行所述将每张训练图片输入预置卷积神经网络模型,通过所述inception网络提取每张训练图片的特征信息的步骤。4.如权利要求3所述的图片水印识别方法,其特征在于,所述对样本图片库中的图片进行预处理,得到训练图片的步骤包括:将样本图片库中图片的图片格式调整为预置图片格式,得到训练图片。5.如权利要求1所述的图片水...
【专利技术属性】
技术研发人员:陈万慧,董宇康,简杰生,付倩,汪伟,王云敏,钱城,田丽珍,苏雪婷,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东,44
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。