【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 ...
【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:
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。