对抗网络的训练、图像去水印方法、装置及电子设备制造方法及图纸

本公开提供了对抗网络的训练、图像去水印方法、装置及电子设备，涉及图像处理领域，尤其涉及人工智能或者计算机视觉领域。具体实现方案为：获取训练样本集，训练样本集包括样本水印图像；获取去水印对抗网络以及掩膜对抗网络；将样本水印图像输入至第一下采样子网络，得到第一下采样特征图，并将样本水印图像输入至第二下采样子网络，得到第二下采样特征图；将第一下采样特征图与第二下采样特征图拼接，将拼接特征图输入至第一上采样子网络，得到去水印后样本水印图像；基于去水印后样本水印图像，训练第一生成器以及第一判别器，得到训练完成的去水印对抗网络。基于本方案能够有效去除图像中的水印，有助于提升图像内容识别结果的准确性。的准确性。的准确性。

【技术实现步骤摘要】
对抗网络的训练、图像去水印方法、装置及电子设备


[0001]本公开涉及图像处理
，尤其涉及人工智能或者计算机视觉
，具体而言，本公开涉及一种对抗网络的训练、图像去水印方法、装置及电子设备。

技术介绍

[0002]在日常生活中，文档图像中经常会存在水印，如票据图像中会存在印章水印。
[0003]文档图像在使用时，一般需要文档图像中内容(如文字等)进行识别，文档图像中的水印会影响内容识别结果的准确性。

技术实现思路

[0004]本公开为了解决上述缺陷中的至少一项，提供了一种对抗网络的训练、图像去水印方法、装置及电子设备。
[0005]根据本公开的第一方面，提供了一种对抗网络的训练方法，该方法包括：
[0006]获取训练样本集，训练样本集包括样本水印图像，样本水印图像中包含水印；
[0007]获取去水印对抗网络以及掩膜对抗网络，其中，去水印对抗网络包括第一生成器以及第一判别器，第一生成器包括第一下采样子网络以及第一上采样子网络；掩膜对抗网络包括第二生成器，第二生成器包括第二下采样子网络，掩膜对抗网络用于生成样本水印图像的掩膜后图像；
[0008]将样本水印图像输入至第一下采样子网络，得到第一下采样特征图，并将样本水印图像输入至第二下采样子网络，得到第二下采样特征图；
[0009]将第一下采样特征图与第二下采样特征图拼接，得到拼接特征，将拼接特征图输入至第一上采样子网络，得到去水印后样本水印图像；
[0010]基于去水印后样本水印图像，训练第一生成器以及第一判别器，得到训练完成的去水印对抗网络。
[0011]根据本公开的第二方面，提供了一种图像去水印方法，该方法包括：
[0012]获取待处理图像；
[0013]获取去水印对抗网络的第一生成器以及掩膜对抗网络的第二生成器，去水印对抗网络是基于上述对抗网络的训练方法训练得到的，第一生成器包括第一下采样子网络以及第一上采样子网络，第二生成器包括第二下采样子网络，掩膜对抗网络用于生成待处理图像的掩膜后图像；
[0014]将待处理图像输入至第一下采样子网络，得到第三下采样特征图，并将待处理图像输入至第二下采样子网络，得到第四下采样特征图；
[0015]将第三下采样特征图与第四下采样特征图拼接，得到目标拼接特征图，将目标拼接特征图输入至第一上采样子网络，得到待处理图像的去水印后图像。
[0016]根据本公开的第三方面，提供了一种对抗网络的训练装置，该装置包括：
[0017]训练样本集获取模块，用于获取训练样本集，训练样本集包括样本水印图像，样本
水印图像中包含水印；
[0018]模型获取模块，用于获取去水印对抗网络以及掩膜对抗网络，其中，去水印对抗网络包括第一生成器以及第一判别器，第一生成器包括第一下采样子网络以及第一上采样子网络；掩膜对抗网络包括第二生成器，第二生成器包括第二下采样子网络，掩膜对抗网络用于生成样本水印图像的掩膜后图像；
[0019]下采样模块，用于将样本水印图像输入至第一下采样子网络，得到第一下采样特征图，并将样本水印图像输入至第二下采样子网络，得到第二下采样特征图；
[0020]上采样模块，用于将第一下采样特征图与第二下采样特征图拼接，得到拼接特征，将拼接特征图输入至第一上采样子网络，得到去水印后样本水印图像；
[0021]模型训练模块，用于基于去水印后样本水印图像，训练第一生成器以及第一判别器，得到训练完成的去水印对抗网络。
[0022]根据本公开的第四方面，提供了一种图像去水印装置，该装置包括：
[0023]待处理图像获取模块，用于获取待处理图像；
[0024]模型获取模块，用于获取去水印对抗网络的第一生成器以及掩膜对抗网络的第二生成器，去水印对抗网络是基于上述对抗网络的训练方法训练得到的，第一生成器包括第一下采样子网络以及第一上采样子网络，第二生成器包括第二下采样子网络，掩膜对抗网络用于生成待处理图像的掩膜后图像；
[0025]下采样模块，用于将待处理图像输入至第一下采样子网络，得到第三下采样特征图，并将待处理图像输入至第二下采样子网络，得到第四下采样特征图；
[0026]去水印图像生成模块，用于将第三下采样特征图与第四下采样特征图拼接，得到目标拼接特征图，将目标拼接特征图输入至第一上采样子网络，得到待处理图像的去水印后图像。
[0027]根据本公开的第五方面，提供了一种电子设备，该电子设备包括：
[0028]至少一个处理器；以及
[0029]与上述至少一个处理器通信连接的存储器；其中，
[0030]存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述对抗网络的训练或者图像去水印方法。
[0031]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述对抗网络的训练或者图像去水印方法。
[0032]根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述对抗网络的训练或者图像去水印方法。
[0033]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
[0034]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0035]图1是本公开实施例提供的一种对抗网络的训练方法的流程示意图；
[0036]图2是本公开实施例提供的一种样本水印图像的示意图；
[0037]图3是本公开实施例提供的与图2中样本水印图像相对应的第一样本目标图像的
示意图；
[0038]图4是本公开实施例提供的与图2中样本水印图像相对应的第二样本目标图像的示意图；
[0039]图5是本公开实施例提供的一种图像去水印方法的流程示意图；
[0040]图6是本公开实施例提供的一种对抗网络训练方法的具体实施方式的流程示意图；
[0041]图7是本公开实施例提供的去水印对抗网络以及掩膜对抗网络的结构图；
[0042]图8是本公开实施例提供的一种对抗网络的训练装置的结构示意图；
[0043]图9是本公开实施例提供的一种图像去水印装置的结构示意图；
[0044]图10是用来实现本公开实施例的对抗网络的训练或者图像去水印方法的电子设备的框图。
具体实施方式
[0045]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
[0046]在日常生活中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对抗网络的训练方法，包括：获取训练样本集，所述训练样本集包括样本水印图像，所述样本水印图像中包含水印；获取去水印对抗网络以及掩膜对抗网络，其中，所述去水印对抗网络包括第一生成器以及第一判别器，所述第一生成器包括第一下采样子网络以及第一上采样子网络；所述掩膜对抗网络包括第二生成器，所述第二生成器包括第二下采样子网络，所述掩膜对抗网络用于生成所述样本水印图像的掩膜后图像；将所述样本水印图像输入至所述第一下采样子网络，得到第一下采样特征图，并将所述样本水印图像输入至第二下采样子网络，得到第二下采样特征图；将所述第一下采样特征图与第二下采样特征图拼接，得到拼接特征，将所述拼接特征图输入至所述第一上采样子网络，得到去水印后样本水印图像；基于所述去水印后样本水印图像，训练所述第一生成器以及所述第一判别器，得到训练完成的所述去水印对抗网络。2.根据权利要求1所述的方法，其中，所述训练样本集还包括第一样本目标图像，所述第一样本目标图像为所述样本水印图像对应的无水印图像，所述基于所述去水印后样本水印图像，训练所述第一生成器以及所述第一判别器，得到训练完成的所述去水印对抗网络，包括：基于所述去水印后样本水印图像以及所述第一样本目标图像，训练所述第一生成器以及所述第一判别器，得到训练完成的所述去水印对抗网络。3.根据权利要求2所述的方法，其中，所述基于所述去水印后样本水印图像以及所述第一样本目标图像，训练所述第一生成器以及所述第一判别器，得到训练完成的所述去水印对抗网络，包括：将所述去水印后样本水印图像与所述第一样本目标图像输入至第一判别器，得到第一判别结果；基于所述第一判别结果训练所述第一生成器以及所述第一判别器，得到训练完成的所述去水印对抗网络。4.根据权利要求1
‑
3中任一项所述的方法，其中，所述去水印对抗网络的损失函数通过以下至少两项确定：对抗损失函数GAN；瓦瑟斯坦对抗损失函数WGAN；梯度惩罚损失函数Gradient penalty；结构相似性指数损失函数SSIM；平均绝对误差损失函数L1。5.根据权利要求1
‑
4中任一项所述的方法，还包括通过如下方式生成所述样本水印图像：获取初始水印图像以及初始样本图像；对所述初始水印图像进行样本扩充，得到扩充后水印图像；将所述扩充后水印图像与所述初始样本图像合成，得到所述样本水印图像。6.根据权利要求1
‑
5中任一项所述的方法，其中，所述训练样本集还包括第二样本目标图像，所述第二样本目标图像为所述样本水印图像对应的水印掩膜图像，所述掩膜对抗网
络还包括第二判别器，所述方法还包括：将所述样本水印图像输入至所述第二生成器，得到掩膜后样本水印图像；基于所述掩膜后样本水印图像以及所述第二样本目标图像，训练所述第二生成器以及所述第二判别器，得到训练完成的所述掩膜对抗网络。7.根据权利要求6所述的方法，其中，所述基于所述掩膜后样本水印图像以及所述第二样本目标图像，训练所述第二生成器以及所述第二判别器，得到训练完成的所述掩膜对抗网络，包括：将所述掩膜后样本水印图像与所述第二样本目标图像输入至第二判别器，得到第二判别结果；基于所述第二判别结果训练所述第二生成器以及所述第二判别器，得到训练完成的所述掩膜对抗网络。8.根据权利要求6或7所述的方法，其中，所述掩膜对抗网络的损失函数通过以下至少两项确定：对抗损失函数GAN；瓦瑟斯坦对抗损失函数WGAN；梯度惩罚损失函数Gradientpenalty；结构相似性指数损失函数SSIM；平均绝对误差损失函数L1。9.一种图像去水印方法，包括：获取待处理图像；获取去水印对抗网络的第一生成器以及掩膜对抗网络的第二生成器，所述去水印对抗网络是基于所述权利要求1
‑
8中任一项所述的方法训练得到的，所述第一生成器包括第一下采样子网络以及第一上采样子网络，所述第二生成器包括第二下采样子网络，所述掩膜对抗网络用于生成所述待处理图像的掩膜后图像；将所述待处理图像输入至所述第一下采样子网络，得到第三下采样特征图，并将所述待处理图像输入至第二下采样子网络，得到第四下采样特征图；将所述第三下采样特征图与第四下采样特征图拼接，得到目标拼接特征图，将所述目标拼接特征图输入至所述第一上采样子网络，得到所述待处理图像的去水印后图像...

【专利技术属性】
技术研发人员：周锦，苏崔聪，刘明浩，向宇波，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：