一种检测图像中白名单水印防去除效果的方法及装置制造方法及图纸

本发明专利技术公开了一种检测图像中白名单水印防去除效果的方法，包括如下步骤。步骤S1：制作训练数据。步骤S2：使用训练数据构建一个用于检测图像中的水印的机器学习模型，该机器学习模型检测输入的图像并输出图像中的水印的位置、类别、置信度信息。步骤S3：采用所述用于检测图像中的水印的机器学习模型对原始图像、处理后图像分别检测，得到原始图像的水印检测结果、处理后图像的水印检测结果；所述处理后图像是指对原始图像进行去水印操作，但是对白名单水印不做去除后得到的图像。步骤S4：比较原始图像的水印检测结果、处理后图像的水印检测结果，结合水印的白名单，判断白名单水印的防去除效果。本发明专利技术自动检测判断，提高检测准确性、速度和效率。速度和效率。速度和效率。

【技术实现步骤摘要】
一种检测图像中白名单水印防去除效果的方法及装置


[0001]本专利技术涉及一种图像中的目标检测(object detection)方法。

技术介绍

[0002]图像的水印(watermark)是指在图像中加入的文字或图案，通常为半透明，以减少对图像内容的干扰。水印通常用于记录图像的版权信息，某些图像的著作权人明确禁止去除图像中的水印。目前已有多种用于图像去水印的技术，针对著作权人禁止去除的水印，已有针对水印的白名单防去除技术正在研发中。
[0003]白名单水印防去除技术可以简略地表述为：当检测到图像中的水印后，判断水印是否在预先设置的白名单内。如果是，则不对该白名单水印进行去除。如果否，则继续对该非白名单的水印进行去除。如果一幅图像中既有白名单的水印，也有非白名单的水印，那么就需要去除非白名单的水印，同时对白名单的水印不做处理。然而在实际操作中，图像处理通常是针对整幅图像的，因此对非白名单的水印的去除操作往往会同时影响到白名单的水印，使得白名单的水印被错误地全部去除(称为误擦除)或者被错误地部分去除(称为部分误擦除)。这就违背了图像的著作权人的要求。因此，有必要针对图像中白名单水印的防去除效果进行检测和判断，从而使图像处理符合图像的著作权人的要求。
[0004]目前，检测图像中白名单水印防去除效果的方法通常是采用图像比对技术(例如pixelmatch、magick compare等)获取原始图像和处理后图像进行像素级比较的差异图。所述处理后图像是指对原始图像进行去水印操作，但是对白名单水印不做去除(即保留白名单水印)后得到的图像。然后以人工方式肉眼观察，判断白名单水印是否存在“误擦除”、“部分误擦除”的异常情况。该方法需要一张张观察差异图、原始图像、处理后图像，效率低，且容易使人疲惫而导致漏识别。

技术实现思路

[0005]本专利技术所要解决的技术问题是如何自动检查白名单水印的防去除效果，而无需人工参与。
[0006]为解决上述技术问题，本专利技术提出了一种检测图像中白名单水印防去除效果的方法，包括如下步骤。步骤S1：制作训练数据。步骤S2：使用训练数据构建一个用于检测图像中的水印的机器学习模型，该机器学习模型检测输入的图像并输出图像中的水印的位置、类别、置信度信息。步骤S3：采用所述用于检测图像中的水印的机器学习模型对原始图像、处理后图像分别检测，得到原始图像的水印检测结果、处理后图像的水印检测结果；所述处理后图像是指对原始图像进行去水印操作，但是对白名单水印不做去除后得到的图像。步骤S4：比较原始图像的水印检测结果、处理后图像的水印检测结果，结合水印的白名单，判断白名单水印的防去除效果。
[0007]进一步地，所述步骤S1具体包括：收集或制作多张带水印的图像，并将这些图像中的不同水印分为多个类别，相同的水印在一个类别中；标记出每幅图像中的水印位置，并设
置每幅图像中的水印所属水印类别。
[0008]进一步地，所述步骤S2中，采用一种深度学习框架并结合一种图像的目标检测算法构建一个用于图像的目标检测的机器学习模型；采用所述训练数据对所述用于图像的目标检测的机器学习模型进行训练；以训练数据中的每幅图像作为输入，要求所述用于图像的目标检测的机器学习模型输出的该图像的水印位置、水印类别与该图像预先标记好的水印位置、水印类别尽可能趋于一致，训练好的所述用于图像的目标检测的机器学习模型就能够用于在图像中检测水印并输出图像中的水印的位置、类别、置信度信息。
[0009]优选地，所述深度学习框架为以下任意一种：TensorFlow、PyTorch、飞桨PaddlePaddle；所述图像的目标检测的算法为以下任意一种：你只看一次YOLO算法、单阶多框检测器SSD算法。
[0010]进一步地，所述步骤S1中，将训练数据划分为训练集、验证集、测试集；所述步骤S2中，所述用于图像的目标检测的机器学习模型在训练集上进行拟合，拟合得到的模型在验证集上进行预测，测试集被用来提供对最终模型的无偏评估。
[0011]进一步地，所述步骤S3中，所述原始图像的水印检测结果包括原始图像中的各个水印的位置、类别、置信度信息，按照置信度由高到低的顺序排列；所述处理后图像的水印检测结果包括处理后图像中的各个水印的位置、类别、置信度信息，也按照置信度由高到低的顺序排列。
[0012]进一步地，所述步骤S4中，当原始图像在某个位置检测出水印、且该水印的类别在白名单中；处理后图像在相同位置未检测出水印，则判定为“误擦除”了该白名单水印。
[0013]进一步地，所述步骤S4中，当原始图像在某个位置检测出水印、且该水印的类别在白名单中；处理后图像在相同位置也检测出水印、但该水印的置信度下降或者该水印的类别发生变化，则判定为“部分误擦除”了该白名单水印。
[0014]进一步地，所述步骤S4中，当原始图像在某个位置检测出水印、且该水印的类别在白名单中；处理后图像在相同位置也检测出水印、且该水印的类别保持不变、且该水印的置信度保持不变，则判定为该白名单水印有效实现了防去除。
[0015]本专利技术还提出了一种检测图像中白名单水印防去除效果的装置，包括训练数据制作单元、模型构建单元、水印检测单元、防去除判断单元。所述训练数据制作单元用于制作训练数据。所述模型构建单元用于使用训练数据构建一个用于检测图像中的水印的机器学习模型，该机器学习模型检测输入的图像并输出图像中的水印的位置、类别、置信度信息。所述水印检测单元用于采用所述用于检测图像中的水印的机器学习模型对原始图像、处理后图像分别检测，得到原始图像的水印检测结果、处理后图像的水印检测结果；所述处理后图像是指对原始图像进行去水印操作，但是对白名单水印不做去除后得到的图像。所述防去除判断单元用于比较原始图像的水印检测结果、处理后图像的水印检测结果，结合水印的白名单，判断白名单水印的防去除效果。
[0016]本专利技术取得的技术效果是采用深度学习技术自动检查白名单水印的防去除效果，能够提高检查的准确性，减少检查耗时，无需人力投入，提高工作效率。
附图说明
[0017]图1是本专利技术提出的检测图像中白名单水印防去除效果的方法的流程示意图。
[0018]图2是本专利技术构建的用于检测图像中的水印的机器学习模型对某一幅图像的检测结果的示意图。
[0019]图3和图4是白名单水印“误擦除”和“部分误擦除”的示意图。
[0020]图5和图6是白名单水印“部分误擦除”的示意图。
[0021]图7是本专利技术提出的检测图像中白名单水印防去除效果的装置的结构示意图。
[0022]图中附图标记说明：1为训练数据制作单元、2为模型构建单元、3为水印检测单元、4为防去除判断单元。
具体实施方式
[0023]请参阅图1，本专利技术提出的检测图像中白名单水印防去除效果的方法包括如下步骤。
[0024]步骤S1：制作训练数据。收集或制作多张带水印的图像，并将这些图像中的不同水印分为多个类别，相同的水印在一个类别中。水印本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测图像中白名单水印防去除效果的方法，其特征是，包括如下步骤；步骤S1：制作训练数据；步骤S2：使用训练数据构建一个用于检测图像中的水印的机器学习模型，该机器学习模型检测输入的图像并输出图像中的水印的位置、类别、置信度信息；步骤S3：采用所述用于检测图像中的水印的机器学习模型对原始图像、处理后图像分别检测，得到原始图像的水印检测结果、处理后图像的水印检测结果；所述处理后图像是指对原始图像进行去水印操作，但是对白名单水印不做去除后得到的图像；步骤S4：比较原始图像的水印检测结果、处理后图像的水印检测结果，结合水印的白名单，判断白名单水印的防去除效果。2.根据权利要求1所述的检测图像中白名单水印防去除效果的方法，其特征是，所述步骤S1具体包括：收集或制作多张带水印的图像，并将这些图像中的不同水印分为多个类别，相同的水印在一个类别中；标记出每幅图像中的水印位置，并设置每幅图像中的水印所属水印类别。3.根据权利要求2所述的检测图像中白名单水印防去除效果的方法，其特征是，所述步骤S2中，采用一种深度学习框架并结合一种图像的目标检测算法构建一个用于图像的目标检测的机器学习模型；采用所述训练数据对所述用于图像的目标检测的机器学习模型进行训练；以训练数据中的每幅图像作为输入，要求所述用于图像的目标检测的机器学习模型输出的该图像的水印位置、水印类别与该图像预先标记好的水印位置、水印类别尽可能趋于一致，训练好的所述用于图像的目标检测的机器学习模型就能够用于在图像中检测水印并输出图像中的水印的位置、类别、置信度信息。4.根据权利要求3所述的检测图像中白名单水印防去除效果的方法，其特征是，所述深度学习框架为以下任意一种：TensorFlow、PyTorch、飞桨PaddlePaddle；所述图像的目标检测的算法为以下任意一种：你只看一次YOLO算法、单阶多框检测器SSD算法。5.根据权利要求3所述的检测图像中白名单水印防去除效果的方法，其特征是，所述步骤S1中，将训练数据划分为训练集、验证集、测试集；所述步骤S2中，所述用于图像的目标检测的机器学习模型在训练集上进行拟合，拟合得到的模型...

【专利技术属性】
技术研发人员：周敏，李思杰，曹成，郭丰俊，丁凯，龙腾，
申请(专利权)人：上海合合信息科技股份有限公司上海生腾数据科技有限公司上海盈五蓄数据科技有限公司，
类型：发明
国别省市：