一种对抗网络的训练方法、装置、电子设备和存储介质制造方法及图纸

本申请涉及模型构建，公开了一种对抗网络的训练方法、装置、电子设备和存储介质，该方法包括：获取训练集，训练集包括N张融合图片，N张融合图片中的每张融合图片是根据N张第一图片中的每张第一图片和N张第二图片中的每张第二图片确定的，N张第一图片中的每张第一图片为只包含水印的图片，N张第二图片中的每张第二图片为不包含水印的图片；将N张融合图片输入待训练的生成器，以得到N张生成图片，N张生成图片中的每张生成图片均不包含水印；采用损失函数交替更新待训练的生成器和待训练判别器，损失函数是根据N张第一图片、N张第二图片和N张生成图片确定的。实施本申请实施例，实现了精准去除水印。

【技术实现步骤摘要】
一种对抗网络的训练方法、装置、电子设备和存储介质
本申请涉及计算机
，尤其涉及一种对抗网络的训练方法、装置、电子设备和存储介质。
技术介绍
目前，为了减少对有水印的图片的识别错误率，往往会涉及到采用模型来去除水印。比如，为了减少对有水印的广告图片、有水印的账单截图等，一般采用模型来去除水印，以让用户更好的使用或者查看广告图片、账单截图等。因此，在利用模型去除水印时，会涉及到模型的训练。在进行模型训练时，会采用人工标注好的训练集。一般来说，人工标注好的训练集中的每张图片均是已标注好水印位置的图片。在标注时可能出现标注失误的情况，当利用这样的训练集训练模型后，可能导致训练好的模型出现无法精准去除水印的问题。
技术实现思路
本申请实施例提供了一种对抗网络的训练方法、装置、电子设备和存储介质，实施本申请实施例，实现了精准去除水印。本申请第一方面提供了一种对抗网络的训练方法，所述对抗网络包括待训练的生成器和待训练判别器，所述方法包括：获取训练集，所述训练集包括N张融合图片，所述N张融合图片中的每张融合图片是根据N张第一图片中的每张第一图片和N张第二图片中的每张第二图片确定的，所述N张第一图片中的每张第一图片为只包含水印的图片，所述N张第二图片中的每张第二图片为不包含水印的图片，其中，所述N为大于0的整数；将所述N张融合图片输入所述待训练的生成器，以得到N张生成图片，所述N张生成图片中的每张生成图片均不包含水印；采用损失函数交替更新所述待训练的生成器和所述待训练判别器，所述损失函数是根据所述N张第一图片、所述N张第二图片和所述N张生成图片确定的。本申请第二方面提供了一种对抗网络的训练装置，所述对抗网络包括待训练的生成器和待训练判别器，所述装置包括获取模块、输入模块和更新模块，其中，所述获取模块，用于获取训练集，所述训练集包括N张融合图片，所述N张融合图片中的每张融合图片是根据N张第一图片中的每张第一图片和N张第二图片中的每张第二图片确定的，所述N张第一图片中的每张第一图片为只包含水印的图片，所述N张第二图片中的每张第二图片为不包含水印的图片，其中，所述N为大于0的整数；所述输入模块，用于将所述N张融合图片输入所述待训练的生成器，以得到N张生成图片，所述N张生成图片中的每张生成图片均不包含水印；所述更新模块，用于采用损失函数交替更新所述待训练的生成器和所述待训练判别器，所述损失函数是根据所述N张第一图片、所述N张第二图片和所述N张生成图片确定的。本申请第三方面提供了一种对抗网络的训练的电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被生成由所述处理器执行，以执行一种对抗网络的训练方法任一项方法中的步骤的指令。本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述存储计算机程序被所述处理器执行，以实现一种对抗网络的训练方法任一项所述的方法。可以看出，上述技术方案中，通过利用只包含水印的图片和不包含水印的图片生成融合图片，并将融合图片作为训练集，避免了现有方案中人工标注水印位置所出现的标注失误的情况。同时，采用融合图片作为待训练生成器的输入图片，实现了生成器的训练，避免了标注失误导致训练好的生成器生成的图片无法被训练好的判别器判别的情况，进而避免了水印去除不精准的问题。最后，利用根据只包含水印的图片、不包含水印的图片和待训练生成器输出的图片确定的损失函数交替更新待训练生成器和待训练判别器，实现了更好的进行对抗网络的训练，从而为后续利用训练好的对抗网络实现精准去除水印做准备。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：图1是本申请实施例提供的一种对抗网络的训练系统的示意图；图2为本申请实施例提供的一种对抗网络的训练方法的流程示意图；图3为本申请实施例提供的一种第一图片、第二图片和融合图片的示意图；图4为本申请实施例提供的又一种对抗网络的训练方法的流程示意图；图5为本申请提供的一种第一像素矩阵的示意图；图6为本申请实施例提供的一种对抗网络的训练装置的示意图；图7为本申请的实施例涉及的硬件运行环境的电子设备结构示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。以下分别进行详细说明。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。首先，参见图1，图1是本申请实施例提供的一种对抗网络的训练系统的示意图，该对抗网络的训练系统100包括对抗网络的训练装置110。该对抗网络的训练装置110用于处理、存储训练集。该对抗网络的训练系统100可以包括集成式单体设备或者多设备，为方便描述，本申请将对抗网络的训练系统100统称为电子设备。显然该电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(UserEquipment，UE)，移动台(MobileStation，MS)，终端设备(terminaldevice)等等。另外，在利用模型去除水印时，会涉及到模型的训练。在进行模型训练时，会采用人工标注好的训练集。一般来说，人工标注好的训练集中的每张图片均是已标注好水印位置的图片。在标注时可能出现标注失误的情况，当利用这样的训练集训练模型后，可能导致训练好的模型出现无法精准去除水印的问题。基于此，本申请实施例提出一种对抗网络的训练方法以解决上述问题，下面对本申请实施例进行详细介绍。参见图2，图2为本申请实施例提供的一种对抗网络的训练方法的流程示意图。该对抗网络的训练方法可以应用于电子设备，所述对抗网络包括待训练的生成器和待训练判别器，如图2所示，所述方法包括：201、获取训练集，所述训练集包括N张融合图片，所述N张融合图片中的每张融合图片是根据N张第一图片中的每张第一图片和N张第二图片中的每张第二图片确定的，所述N张第一图片中的每张第一图片为只包含水印的图片，所述N张第二本文档来自技高网...

【技术保护点】
1.一种对抗网络的训练方法，其特征在于，所述对抗网络包括待训练的生成器和待训练判别器，所述方法包括：/n获取训练集，所述训练集包括N张融合图片，所述N张融合图片中的每张融合图片是根据N张第一图片中的每张第一图片和N张第二图片中的每张第二图片确定的，所述N张第一图片中的每张第一图片为只包含水印的图片，所述N张第二图片中的每张第二图片为不包含水印的图片，其中，所述N为大于0的整数；/n将所述N张融合图片输入所述待训练的生成器，以得到N张生成图片，所述N张生成图片中的每张生成图片均不包含水印；/n采用损失函数交替更新所述待训练的生成器和所述待训练判别器，所述损失函数是根据所述N张第一图片、所述N张第二图片和所述N张生成图片确定的。/n

【技术特征摘要】
1.一种对抗网络的训练方法，其特征在于，所述对抗网络包括待训练的生成器和待训练判别器，所述方法包括：
获取训练集，所述训练集包括N张融合图片，所述N张融合图片中的每张融合图片是根据N张第一图片中的每张第一图片和N张第二图片中的每张第二图片确定的，所述N张第一图片中的每张第一图片为只包含水印的图片，所述N张第二图片中的每张第二图片为不包含水印的图片，其中，所述N为大于0的整数；
将所述N张融合图片输入所述待训练的生成器，以得到N张生成图片，所述N张生成图片中的每张生成图片均不包含水印；
采用损失函数交替更新所述待训练的生成器和所述待训练判别器，所述损失函数是根据所述N张第一图片、所述N张第二图片和所述N张生成图片确定的。


2.根据权利要求1所述的方法，其特征在于，融合图片A为所述N张融合图片中的任意一张图片，所述获取训练集，包括：
获取所述融合图片A对应的第一图片和所述融合图片A对应的第二图片，所述融合图片A对应的第一图片为所述N张第一图片中的一张图片，所述融合图片A对应的第二图片为所述N张第二图片中的一张图片；
采用第一公式对所述融合图片A对应的第一图片和所述融合图片A对应的第二图片进行处理，得到所述融合图片A；
将所述融合图片A确定为所述训练集中的一张图片；
其中，所述第一公式是根据所述融合图片A对应的第一图片中像素的灰度值和所述融合图片A对应的第二图片中像素的灰度值确定的。


3.根据权利要求2所述的方法，其特征在于，所述采用第一公式对所述融合图片A对应的第一图片和所述融合图片A对应的第二图片进行处理，得到所述融合图片A，包括：
根据所述融合图片A对应的第一图片，确定第一像素矩阵，所述第一像素矩阵包括所述融合图片A对应的第一图片中每个像素对应的灰度值；
检测所述第一像素矩阵中是否存在灰度值为预设灰度值的像素；
若是，则确定所述第一像素矩阵中每列像素的灰度值为所述预设灰度值的像素的个数，按照第一顺序，采用所述第一公式对所述融合图片A对应的第一图片和所述融合图片A对应的第二图片进行处理，得到所述融合图片A，所述第一顺序是根据所述第一像素矩阵中每列像素的灰度值为所述预设灰度值的像素的个数确定的；
若否，则根据所述融合图片A对应的第二图片，确定第二像素矩阵，所述第二像素矩阵包括所述融合图片A对应的第二图片中每个像素对应的灰度值；若所述第二像素矩阵中存在灰度值为所述预设灰度值的像素，则确定所述第二像素矩阵中每列像素的灰度值为所述预设灰度值的像素的个数，按照第二顺序，采用所述第一公式对融合图片A对应的第一图片和融合图片A对应的第二图片进行处理，得到融合图片A，所述第二顺序是根据所述第二像素矩阵中每列像素的灰度值为所述预设灰度值的像素的个数确定的。


4.根据权利要3所述的方法，其特征在于，所述按照第一顺序，采用所述第一公式对所述融合图片A对应的第一图片和所述融合图片A对应的第二图片进行处理，得到所述融合图片A，包括：
根据所述第一像素矩阵中每列像素的灰度值为所述预设灰度值的像素的个数，确定所述第一像素矩阵中的至少一列像素P1，第一列像素为所述至少一列像素P1中的任意一列，所述第一列像素中每个像素的灰度值为所述预设灰度值的像素的个数小于阈值；
按照所述至少一列像素P1中的每列像素的灰度值为所述预设灰度值的像素的个数从小到大的顺序，采用所述第一公式对所述至少一列像素P1和至少一列像素Q1进行处理，得到至少一列融合像素K1，所述至少一列像素Q1为所述第二像素矩阵中与所述至少一列像素P1对应的像素；
在检测到所述至少一列像素P1中最后一列像素处理完成后，采用所述第一公式并行对所述第一像素矩阵中除所述至少一列像素P1之外的其他像素和所述第二像素矩阵中除所述至少一列像素Q1之外的其他像素进行处理，得到至少一列融合像素K2；
根据所述至少一列融合像素K1和所述至少一列融合像素K2，确定所述融合图片A。


5.根据权利要3所述的方法，其特征在于，所述按照第二顺序，采用所述第一公式对融合图片A对应的第一图片和融合图片A对应的第二图片进行处理，得到融合图片A，包括：
按照所述第二顺序，...

【专利技术属性】
技术研发人员：李国安，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东;44