【技术实现步骤摘要】
本专利技术涉及人工智能，特别是涉及一种图像侵权检测方法、装置、设备及可读存储介质。
技术介绍
1、生成式人工智能（artificial intelligence generated content，aigc），是指基于生成对抗网络、大型预训练模型等人工智能的技术方法，通过已有数据的学习和识别，以适当的泛化能力生成相关内容的技术。生成式人工智能技术的核心思想是利用人工智能算法生成具有一定创意和质量的内容。通过训练模型和大量数据的学习，可以根据输入的条件或指导，生成与之相关的内容。例如，通过输入关键词、描述或样本，可以生成与之相匹配的文章、图像、音频等。
2、文生图是生成式人工智能技术中的一大分支，它可以通过输入一段文字描述，将文字模态信息转化为图像模态展示出来，具有极高的展示效果，具有广泛的应用前景。然而目前的文生图技术由于处于发展阶段，存在大量使用未授权图像训练文生图模型的问题。
3、如何避免未授权图像被训练使用，是本领域技术人员需要解决的技术问题。
技术实现思路
1、本专利技术的目的是提供一种图像侵权检测方法、装置、设备及可读存储介质，用于避免未授权图像被训练使用，减少人工智能绘图技术的图像侵权事件。
2、为解决上述技术问题，本专利技术提供一种图像侵权检测方法，包括：
3、以颜色扭曲参数为探针，调用探针注入脚本对第一样本图像数据集中的部分第一样本图像进行颜色扭曲处理，利用处理后的所述第一样本图像数据集训练得到二分类探针检测模型；p>
4、以颜色扭曲参数为探针，调用所述探针注入脚本对未授权图像进行颜色扭曲处理，以处理后的所述未授权图像替换所述未授权图像进行发布；
5、获取文生图模型训练任务对应的文生图训练图像数据集；
6、利用所述二分类探针检测模型识别得到所述文生图训练图像数据集中的探针检测结果；
7、根据所述探针检测结果得到所述文生图训练图像数据集的样本侵权事件检测结果。
8、在一些实施中，调用所述探针注入脚本对输入图像进行颜色扭曲处理，包括：
9、自所述输入图像中提取采样点集合；
10、对所述采样点集合中的各采样点生成颜色扭曲偏移向量；
11、根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值；
12、对比所述采样点的所述扭曲损失值和对所述输入图像的设定损失阈值；
13、若各所述采样点的所述扭曲损失值均不超出所述设定损失阈值，则以当前的各所述采样点的所述颜色扭曲偏移向量对各所述采样点进行颜色扭曲处理；
14、若存在所述扭曲损失值超出所述设定损失阈值的所述采样点，则重新生成所述颜色扭曲偏移向量后，返回所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值的步骤；
15、其中，所述输入图像为所述第一样本图像或所述未授权图像。
16、在一些实施中，所述自所述输入图像中提取采样点集合，包括：
17、利用纹理特征提取器提取所述输入图像中的纹理特征坐标点集合；
18、以所述纹理特征坐标点集合为所述采样点集合。
19、在一些实施中，所述自所述输入图像中提取采样点集合，包括：
20、利用纹理特征提取器提取所述输入图像中的纹理特征坐标点集合；
21、自所述纹理特征坐标点集合中采样得到所述采样点集合。
22、在一些实施中，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
23、根据所述颜色扭曲偏移向量计算得到各所述采样点的颜色扭曲损失值；
24、以所述颜色扭曲损失值为所述扭曲损失值。
25、在一些实施中，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
26、根据所述颜色扭曲偏移向量计算得到各所述采样点的自然惩罚损失值；
27、以所述自然惩罚损失值为所述扭曲损失值。
28、在一些实施中，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
29、根据所述颜色扭曲偏移向量计算得到各所述采样点的自然惩罚损失值；
30、根据所述颜色扭曲偏移向量计算得到各所述采样点的颜色扭曲损失值；
31、根据所述采样点的所述颜色扭曲损失值和所述采样点的所述自然惩罚损失值计算得到所述采样点的所述扭曲损失值。
32、在一些实施中，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的颜色扭曲损失值，根据下式计算得到：
33、；
34、其中，为所述颜色扭曲损失值，为所述采样点集合， x为所述采样点， t为所述颜色扭曲偏移向量，g为预先根据第二样本图像数据集训练得到的颜色扭曲识别分类模型， ce（）为交叉熵损失函数；所述第二样本图像数据集包括进行颜色扭曲处理的第二样本图像和未进行颜色扭曲处理的第二样本图像。
35、在一些实施中，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的自然惩罚损失值，包括：
36、根据所述颜色扭曲偏移向量计算得到所述采样点的峰值信噪比指标和所述采样点的学习感知图像块相似性指标；
37、根据所述峰值信噪比指标和所述学习感知图像块相似性指标计算得到所述自然惩罚损失值。
38、在一些实施中，所述根据所述颜色扭曲偏移向量计算得到所述采样点的峰值信噪比指标和所述采样点的学习感知图像块相似性指标，根据下式计算得到：
39、；
40、其中，为所述自然惩罚损失值，为所述峰值信噪比指标的归一化系数，为所述学习感知图像块相似性指标的归一化系数，为所述峰值信噪比指标的阈值常数，为所述学习感知图像块相似性指标的阈值常数，为所述采样点增加所述颜色扭曲偏移向量后的所述峰值信噪比指标，为所述采样点增加所述颜色扭曲偏移向量后的所述学习感知图像块相似性指标。
41、在一些实施中，所述峰值信噪比指标的归一化系数通过下式计算得到：
42、；
43、所述学习感知图像块相似性指标的归一化系数通过下式计算得到：
44、；
45、其中， k*k为所述采样点集合中所述采样点的总数，为第 i个所述采样点增加对应的所述颜色扭曲偏移向量后的所述峰值信噪比指标，为第 i个所述采样点的第 i个所述采样点增加对应的所述颜色扭曲偏移向量后的所述学习感知图像块相似性指标。
46、在一些实施中，所述根据所述采样点的所述颜色扭曲损失值和所述采样点的所述自然惩罚损失值计算得到所述采样点的所述扭曲损失值，通过下式计算得到：
47、；
48、本文档来自技高网...
【技术保护点】
1.一种图像侵权检测方法，其特征在于，包括：
2.根据权利要求1所述的图像侵权检测方法，其特征在于，调用所述探针注入脚本对输入图像进行颜色扭曲处理，包括：
3.根据权利要求2所述的图像侵权检测方法，其特征在于，所述自所述输入图像中提取采样点集合，包括：
4.根据权利要求2所述的图像侵权检测方法，其特征在于，所述自所述输入图像中提取采样点集合，包括：
5.根据权利要求2所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
6.根据权利要求2所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
7.根据权利要求2所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
8.根据权利要求5或7所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的颜色扭曲损失值，根据下式计算得到：
9.根据权利要求6或7所述的图
10.根据权利要求9所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到所述采样点的峰值信噪比指标和所述采样点的学习感知图像块相似性指标，根据下式计算得到：
11.根据权利要求10所述的图像侵权检测方法，其特征在于，所述峰值信噪比指标的归一化系数通过下式计算得到：
12.根据权利要求7所述的图像侵权检测方法，其特征在于，所述根据所述采样点的所述颜色扭曲损失值和所述采样点的所述自然惩罚损失值计算得到所述采样点的所述扭曲损失值，通过下式计算得到：
13.根据权利要求2所述的图像侵权检测方法，其特征在于，所述对比所述采样点的所述扭曲损失值和对所述输入图像的设定损失阈值，包括：
14.根据权利要求2所述的图像侵权检测方法，其特征在于，所述对比所述采样点的所述扭曲损失值和对所述输入图像的设定损失阈值，包括：
15.根据权利要求2所述的图像侵权检测方法，其特征在于，所述对所述采样点集合中的各采样点生成颜色扭曲偏移向量，包括：
16.根据权利要求1所述的图像侵权检测方法，其特征在于，利用所述二分类探针检测模型识别得到输入图像的所述探针检测结果，包括：
17.根据权利要求16所述的图像侵权检测方法，其特征在于，所述二分类探针检测模型的损失函数为：
18.根据权利要求1所述的图像侵权检测方法，其特征在于，所述利用所述二分类探针检测模型识别得到所述文生图训练图像数据集中的探针检测结果，包括：
19.根据权利要求18所述的图像侵权检测方法，其特征在于，所述采用假设检验法根据所述期望值和所述检测误差率进行所述文生图训练图像数据集的样本侵权事件判定，得到所述样本侵权事件检测结果，包括：
20.一种图像侵权检测装置，其特征在于，包括：
21.一种图像侵权检测设备，其特征在于，包括：
22.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至19任意一项所述图像侵权检测方法的步骤。
...【技术特征摘要】
1.一种图像侵权检测方法，其特征在于，包括：
2.根据权利要求1所述的图像侵权检测方法，其特征在于，调用所述探针注入脚本对输入图像进行颜色扭曲处理，包括：
3.根据权利要求2所述的图像侵权检测方法，其特征在于，所述自所述输入图像中提取采样点集合，包括：
4.根据权利要求2所述的图像侵权检测方法，其特征在于，所述自所述输入图像中提取采样点集合，包括：
5.根据权利要求2所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
6.根据权利要求2所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
7.根据权利要求2所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的扭曲损失值，包括：
8.根据权利要求5或7所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的颜色扭曲损失值，根据下式计算得到：
9.根据权利要求6或7所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到各所述采样点的自然惩罚损失值，包括：
10.根据权利要求9所述的图像侵权检测方法，其特征在于，所述根据所述颜色扭曲偏移向量计算得到所述采样点的峰值信噪比指标和所述采样点的学习感知图像块相似性指标，根据下式计算得到：
11.根据权利要求10所述的图像侵权检测方法，其特征在于，所述峰值信噪比指标的归一化系数通过下式计算得到：
12.根据权利要求7所述的图像...
【专利技术属性】
技术研发人员：范宝余，张润泽，李仁刚，赵雅倩，郭振华，刘璐，
申请(专利权)人：浪潮电子信息产业股份有限公司，
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。