一种使用深度学习模型的图片水印识别方法技术

本发明专利技术公开了一种使用深度学习模型的图片水印识别方法，包括以下步骤：S1：将图片依照其类别不同人工的划分为80个列表；S2：向80个列表中均添加1000张图片作为训练语料，总共8万张图片；S3：对S2中添加的8万张图片的图片库进行数据增强，得到样本图片库；S4：操作员在管理后台上传相关的水印图片，可以上传多张，并标注好水印的位置和所属分类，操作员在管理后台选中自动训练功能，管理后台就会把水印图片的位置信息和所属分类传到处理队列。本发明专利技术设计合理，较之传统的人工审核图片水印的方法，可以大大的降低人工强度，不会出现人工出现的误差，提升对带水印图片的准确识别。

A method of image watermark recognition using deep learning model

【技术实现步骤摘要】
一种使用深度学习模型的图片水印识别方法
本专利技术涉及图像检测
，尤其涉及一种使用深度学习模型的图片水印识别方法。
技术介绍
图像包含了多维度的丰富信息，在移动互联网新闻的领域，一直需要大量的图像和文字来传递有用的信息给用户。由于互联网信息传播极为快速和便捷，越来越多的著作权持有人和组织都把自己的logo水印嵌入图像信息里面，形成版权图片，以此来保护自身创作图片，或者授权可以用于商业，出版，展览等用途。因此，新闻客户端要对每篇新闻的图像信息进行审核，并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，通过合作媒体每天生产的稿件越来越多，图像信息越来越多，每天生产的新闻达到50万篇，数量已经远远超过人工审核的限度。另一方面，水印信息在图像中的肉眼难以一眼识别，面积小、颜色浅和半透明透明等特点，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，所以我们提出了一种使用深度学习模型的图片水印识别方法，用以解决上述提出的问题。
技术实现思路
基于
技术介绍
存在的技术问题，本专利技术提出了一种使用深度学习模型的图片水印识别方法。本专利技术提出的一种使用深度学习模型的图片水印识别方法，包括以下步骤：S1：将图片依照其类别不同人工的划分为80个列表；S2：向80个列表中均添加1000张图片作为训练语料，总共8万张图片；S3：对S2中添加的8万张图片的图片库进行数据增强，得到样本图片库；S4：操作员在管理后台上传相关的水印图片，可以上传多张，并标注好水印的位置和所属分类，操作员在管理后台选中自动训练功能，管理后台就会把水印图片的位置信息和所属分类传到处理队列；S5：对S3中样本图片库连同S4中的水印图片一起进行水印识别训练，得到81个基础骨主干模型，编辑在管理后台标注好水印位置和所属分类；S6：把标注好的水印图片，连同增强的该水印图片的数据集，一并放入主干模型进行训练，添加水印图片的分类，训练完后就得到包含水印类别的识别水印模型；S7：把训练好的水印模型，部署在tensorflow-gpu的服务器上，通过图片地址就能识别该图片是否包含水印了。优选的，所述S1中，80个列表的具体分类为：人、背包、雨伞、手提包、领带、手提箱、自行车、汽车、摩托车、飞机、总线、培养、卡车、船、红绿灯、消防栓、停止标志、停车收费表、长凳、鸟、猫、狗、马、羊、牛、象、熊、斑马、长颈鹿、飞盘、滑雪板、单板滑雪、运动球、风筝、棒球棒、棒球手套、滑板、冲浪板、网球拍、瓶子、红酒杯、杯子、叉子、刀、勺、碗、香蕉、苹果、三明治、橙子、西兰花、胡萝卜、热狗、比萨、甜甜圈、蛋糕、椅子、长椅、盆栽、床、餐桌、厕所、电视、笔记本电脑、老鼠、远程、键盘、手机、微波、烤箱、烤面包机、下沉、冰箱、书、时钟、花瓶、剪刀、泰迪熊、吹风机、牙刷。优选的，所述S2中，数据增强的方式包括仿射变换、透视变换、对比度调整、高斯噪声、区域丢弃、剪切/扩充和模糊等，得到样本多样的图片增强后的样本图片库。优选的，所述S3中，数据增强的方式包括仿射变换、透视变换、对比度调整、高斯噪声、区域丢弃、剪切/扩充和模糊等，得到样本多样的图片增强后的样本图片库。优选的，所述S4中，管理后台为自主研发的管理后台，方便操作员统一操作。优选的，所述S5中，训练好并保存好包含新分类的水印图片后，主干模型的识别分类就会增加1类，此时，主杆模型的识别分类增加为81，服务器的图片识别进程就会识别到主干模型发生了改变，会自动重启首先进程，然后处理图片水印请求。优选的，所述S6中，训练主干模型的过程是，首先用增强的样本图片库进行预训练，预训练是进行有监督的分类的训练。然后在样本上进行特定调优（finetunning），调优的数据集中25%的正样本（与真实框IoU在0.5-1的候选框）、75%的负样本（与真实框IoU在0.1-0.5的候选框）。优选的，在调优训练时，每一个mini-batch中首先加入N张完整图片，而后加入从N张图片中选取的R个候选框，R个候选框可以复用N张图片前5个阶段的网络特征，文章中N=2,R=128，服务器的参考数据为服务器是安装有Ubuntu18.04操作系统，64G内存，CPU2620V4*2,显卡1080TI*2，硬盘SSD500G*2+SATA，2T*2,cuda10.0。与现有技术相比，采用主杆模型和添加水印图片的方式来进行训练，主杆模型通过设置的预训练来提高分类的准确性，有利于提高水印识别的效率。本专利技术设计合理，较之传统的人工审核图片水印的方法，可以大大的降低人工强度，不会出现人工出现的误差，提升对带水印图片的准确识别。具体实施方式下面结合具体实施例对本专利技术作进一步解说。实施例一本实施例中提出了一种使用深度学习模型的图片水印识别方法，包括以下步骤：S1：将图片依照其类别不同人工的划分为80个列表；S2：向80个列表中均添加1000张图片作为训练语料，总共8万张图片；S3：对S2中添加的8万张图片的图片库进行数据增强，得到样本图片库；S4：操作员在管理后台上传相关的水印图片，可以上传多张，并标注好水印的位置和所属分类，操作员在管理后台选中自动训练功能，管理后台就会把水印图片的位置信息和所属分类传到处理队列；S5：对S3中样本图片库连同S4中的水印图片一起进行水印识别训练，得到81个基础骨主干模型，编辑在管理后台标注好水印位置和所属分类；S6：把标注好的水印图片，连同增强的该水印图片的数据集，一并放入主干模型进行训练，添加水印图片的分类，训练完后就得到包含水印类别的识别水印模型；S7：把训练好的水印模型，部署在tensorflow-gpu的服务器上，通过图片地址就能识别该图片是否包含水印了。本实施例中，S1中，80个列表的具体分类为：人、背包、雨伞、手提包、领带、手提箱、自行车、汽车、摩托车、飞机、总线、培养、卡车、船、红绿灯、消防栓、停止标志、停车收费表、长凳、鸟、猫、狗、马、羊、牛、象、熊、斑马、长颈鹿、飞盘、滑雪板、单板滑雪、运动球、风筝、棒球棒、棒球手套、滑板、冲浪板、网球拍、瓶子、红酒杯、杯子、叉子、刀、勺、碗、香蕉、苹果、三明治、橙子、西兰花、胡萝卜、热狗、比萨、甜甜圈、蛋糕、椅子、长椅、盆栽、床、餐桌、厕所、电视、笔记本电脑、老鼠、远程、键盘、手机、微波、烤箱、烤面包机、下沉、冰箱、书、时钟、花瓶、剪刀、泰迪熊、吹风机、牙刷，S2中，数据增强的方式包括仿射变换、透视变换、对比度调整、高斯噪声、区域丢弃、剪切/扩充和模糊等，得到样本多样的图片增强后的样本图片库，S3中，数据增强的方式包括仿射变换、透视变换、对比度调整、高斯噪声、区域丢弃、剪切/扩充和模糊等，得到样本多样的图片增强后的样本图片库，S4中，管理后台为自主研发的管理后台，方便操作员统一操作，S5中，训练好并保存好包含新分类的本文档来自技高网...

【技术保护点】
1.一种使用深度学习模型的图片水印识别方法，其特征在于，包括以下步骤：/nS1：将图片依照其类别不同人工的划分为80个列表；/nS2：向80个列表中均添加1000张图片作为训练语料，总共8万张图片；/nS3：对S2中添加的8万张图片的图片库进行数据增强，得到样本图片库；/nS4：操作员在管理后台上传相关的水印图片，可以上传多张，并标注好水印的位置和所属分类，操作员在管理后台选中自动训练功能，管理后台就会把水印图片的位置信息和所属分类传到处理队列；/nS5：对S3中样本图片库连同S4中的水印图片一起进行水印识别训练，得到81个基础骨主干模型，编辑在管理后台标注好水印位置和所属分类；/nS6：把标注好的水印图片，连同增强的该水印图片的数据集，一并放入主干模型进行训练，添加水印图片的分类，训练完后就得到包含水印类别的识别水印模型；/nS7：把训练好的水印模型，部署在tensorflow-gpu的服务器上，通过图片地址就能识别该图片是否包含水印了。/n

【技术特征摘要】
1.一种使用深度学习模型的图片水印识别方法，其特征在于，包括以下步骤：
S1：将图片依照其类别不同人工的划分为80个列表；
S2：向80个列表中均添加1000张图片作为训练语料，总共8万张图片；
S3：对S2中添加的8万张图片的图片库进行数据增强，得到样本图片库；
S4：操作员在管理后台上传相关的水印图片，可以上传多张，并标注好水印的位置和所属分类，操作员在管理后台选中自动训练功能，管理后台就会把水印图片的位置信息和所属分类传到处理队列；
S5：对S3中样本图片库连同S4中的水印图片一起进行水印识别训练，得到81个基础骨主干模型，编辑在管理后台标注好水印位置和所属分类；
S6：把标注好的水印图片，连同增强的该水印图片的数据集，一并放入主干模型进行训练，添加水印图片的分类，训练完后就得到包含水印类别的识别水印模型；
S7：把训练好的水印模型，部署在tensorflow-gpu的服务器上，通过图片地址就能识别该图片是否包含水印了。


2.根据权利要求1所述的一种使用深度学习模型的图片水印识别方法，其特征在于，所述S1中，80个列表的具体分类为：人、背包、雨伞、手提包、领带、手提箱、自行车、汽车、摩托车、飞机、总线、培养、卡车、船、红绿灯、消防栓、停止标志、停车收费表、长凳、鸟、猫、狗、马、羊、牛、象、熊、斑马、长颈鹿、飞盘、滑雪板、单板滑雪、运动球、风筝、棒球棒、棒球手套、滑板、冲浪板、网球拍、瓶子、红酒杯、杯子、叉子、刀、勺、碗、香蕉、苹果、三明治、橙子、西兰花、胡萝卜、热狗、比萨、甜甜圈、蛋糕、椅子、长椅、盆栽、床、餐桌、厕所、电视、笔记本电脑、老鼠、远程、键盘、手机、微波、烤箱、烤面包机、下沉、冰箱、书、时钟、花瓶、剪刀、泰迪熊、吹风机、牙刷。


3.根据权利要求1所述的一种使用深度学习模型的图片水印识别方法，其特征在于，所述S2中，数据增强的方式包...

【专利技术属性】
技术研发人员：李森和，
申请(专利权)人：广州坚和网络科技有限公司，
类型：发明
国别省市：广东;44