【技术实现步骤摘要】
【国外来华专利技术】
本说明书总体上涉及用于从图像中恢复水印的数据处理和技术。
技术介绍
1、在诸如因特网的网络环境中，第一方内容提供者可以提供用于在例如网页或应用界面的电子文档中呈现的信息。这些文档可以包括由第一方内容提供者提供的第一方内容和由第三方内容提供者(例如，与第一方内容提供者不同的内容提供者)提供的第三方内容。
2、第三方内容可以使用各种技术添加到电子文档。例如，一些文档包括指示在其处呈现文档的客户端设备直接从第三方内容提供者(例如，从与提供第一方内容的服务器位于不同域中的服务器)请求第三方内容项的标记。其他文档包括指示客户端设备调用与多个第三方内容提供者合作的中间服务以返回从一个或多个第三方内容提供者选择的第三方内容项的标记。在一些情况下，第三方内容项被动态选择以用于在电子文档中呈现，并且为文档的给定服务选择的特定第三方内容项可能与为同一文档的其他服务选择的第三方内容项不同。
技术实现思路
1、通常，本说明书中描述的主题的一个创新方面可以体现在包括以下操作的方法中：由包括一个或多个处理器的水印解码器接收输入图像；由水印解码器将解码器机器学习模型应用于输入图像，解码器机器学习模型被训练为以不同缩放级别解码视觉上不可察觉的水印；由水印解码器确定视觉上不可察觉的水印是否通过将解码器机器学习模型应用于输入图像被解码以获得解码的水印；以及基于视觉上不可察觉的水印是否通过将解码器机器学习模型应用于输入图像被解码的确定来输出结果，包括响应于确定视觉上不可察觉的水印通过将解码器机器学习模型应用
2、在一些方面中，输出缩放的输出包括输出解码的水印的缩放版本，其中解码的水印具有对应于输入图像中描绘的项的缩放级别的缩放级别。
3、在一些方面中，输出缩放的输出包括输出解码的水印的版本，在解码的水印的该版本中解码的水印的单个像素使用缩放的输出中的多于一个像素来描绘。
4、在一些方面中，基于视觉上不可察觉的水印是否通过将输入图像应用于解码器机器学习模型被解码的确定来输出结果包括响应于确定视觉上不可察觉的水印未通过将解码器机器学习模型应用于输入图像被解码而将解码器机器学习模型重新应用于输入图像的缩放版本。
5、在一些方面中，将解码器机器学习模型重新应用于输入图像的缩放版本包括：将输入图像缩放至少两倍的乘数以创建输入图像的缩放版本；并且将解码器机器学习模型重新应用于输入图像的缩放版本。
6、在一些方面中，将输入图像缩放至少两倍的乘数包括使用输入图像的缩放版本中的至少两个像素来描绘输入图像中的单个像素。
7、在一些方面中，该方法还包括将检测器机器学习模型应用于输入图像；基于将检测器机器学习模型应用于输入图像来生成分割掩码，该分割掩码突出显示输入图像的水印区域；基于分割掩码来确定输入图像包括视觉上不可察觉的水印；并且基于分割掩码，基于分割掩码中用于表示视觉上不可察觉的水印的像素数相对于未缩放的图像中用于表示视觉上不可察觉的水印的像素数来确定输入图像的缩放级别。
8、本说明书中描述的主题的具体实施例可以被实现以便实现以下优点中的一个或多个。视觉上不可察觉的水印，为简洁起见，也简称为“水印”，可以用于确定(例如，在网站处、在流视频中或在本机应用中)与第一方内容一起呈现的第三方内容的来源。这些水印可以以比以前可能的更高效的方式被提取和解码。例如，本说明书中描述的水印提取和解码技术实现在尝试解码可能包括在图像中的水印之前检测在输入图像中是否存在水印的初始检测过程。这是出于考虑解码中涉及的计算机资源，其可以通过使用(相对于解码过程)计算成本较低的检测过程来过滤掉不包括水印的图像而减少，从而节省通过计算成本更高的解码过程处理此类输入图像所需的时间和计算资源两者。换言之，检测过程不必完全处理图像，并尝试解码每一个图像中的水印，而是可以初步确定图像是否包括水印，同时使用更少的计算资源，并且以比执行解码过程所需的时间更短的时间。这样，在发起解码过程之前使用检测过程节省计算资源，并且通过快速过滤掉不包括水印的图像，使得能够更快地识别和分析实际包括水印的图像，从而减少需要处理的数据量。相比之下，仅依靠解码过程来检测和解码带水印的图像的技术，或者不使用检测过程作为过滤机制的过程，计算成本更高。
9、本文讨论的检测和解码过程是缩放无关的，这意味着水印可以被直接检测和/或解码，而不管图像被捕获的缩放级别如何。更具体地，本文讨论的技术用于检测和解码原始呈现的内容的再现中(例如，在内容的图片或屏幕截图中)的水印，并且原始呈现的内容被捕获的缩放级别将因捕获的实例不同(例如，因图片不同)而变化。如果没有本文讨论的技术，则检测和/或解码输入图像中的水印(例如，再现，诸如在客户端设备处呈现的内容的图片)将需要以多个不同的缩放级别分析输入图像，这浪费计算资源和时间。因此，所公开方法的实现的动机是减少以不同的相应缩放级别重复分析图像以检测或解码水印所需的计算资源。本文讨论的技术利用模型，该模型已经被训练为检测和解码输入图像内的水印，而无需以多个不同的缩放级别重复分析输入图像。本文讨论的技术还使得能够准确检测和解码具有其他失真——诸如由图像压缩技术(例如，jpeg压缩)引起的失真——的输入图像内的水印。
10、通过对训练数据使用数值舍入来提高检测和/或解码模型的性能(例如，模型更准确)。例如，捕获的图像通常被存储为无符号rgb整数，但模型训练是使用浮点数执行的。当这种不匹配不会对模型性能产生重大影响时，通常会忽略它，但是在检测/解码来自图像的水印时，每个像素都很重要，使得由无符号rgb整数与用于训练的浮点数之间的不匹配导致的模型性能下降可能导致不可接受的模型性能。因此，可以将舍入技术应用于浮点数以改善模型训练，以及训练的模型检测和/或解码输入图像中的水印的能力。
11、在附图和下面的描述中阐述本说明书中描述的主题的一个或多个实施例的细节。主题的其他特征、方面和优点将从说明书、附图和权利要求中变得明显。
本文档来自技高网...【技术保护点】
1.一种计算机实现的方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中输出缩放的输出包括输出所述解码的水印的缩放版本，其中所述解码的水印具有与所述输入图像中描绘的项的缩放级别对应的缩放级别。
3.根据权利要求2所述的计算机实现的方法，其中输出缩放的输出包括输出所述解码的水印的版本，在所述解码的水印的所述版本中所述解码的水印的单个像素使用所述缩放的输出中的多于一个像素被描绘。
4.根据权利要求1所述的计算机实现的方法，其中基于所述视觉上不可察觉的水印是否通过将所述解码器机器学习模型应用于所述输入图像被解码的确定来输出结果包括：响应于确定所述视觉上不可察觉的水印未通过将所述解码器机器学习模型应用于所述输入图像被解码而将所述解码器机器学习模型重新应用于所述输入图像的缩放版本。
5.根据权利要求4所述的计算机实现的方法，其中将所述解码器机器学习模型重新应用于所述输入图像的缩放版本包括：
6.根据权利要求5所述的计算机实现的方法，其中将所述输入图像缩放至少两倍的乘数包括：使用所述输入图像的所述缩放版本中的至少两个像素来描
7.根据权利要求1所述的计算机实现的方法，还包括：
8.一种系统，包括：
9.根据权利要求8所述的系统，其中输出缩放的输出包括输出所述解码的水印的缩放版本，其中所述解码的水印具有与所述输入图像中描绘的项的缩放级别对应的缩放级别。
10.根据权利要求9所述的系统，其中输出缩放的输出包括输出所述解码的水印的版本，在所述解码的水印的所述版本中所述解码的水印的单个像素使用所述缩放的输出中的多于一个像素被描绘。
11.根据权利要求8所述的系统，其中基于所述视觉上不可察觉的水印是否通过将所述解码器机器学习模型应用于所述输入图像被解码的确定来输出结果包括：响应于确定所述视觉上不可察觉的水印未通过将所述解码器机器学习模型应用于所述输入图像被解码而将所述解码器机器学习模型重新应用于所述输入图像的缩放版本。
12.根据权利要求11所述的系统，其中将所述解码器机器学习模型重新应用于所述输入图像的缩放版本包括：
13.根据权利要求12所述的系统，其中将所述输入图像缩放至少两倍的乘数包括：使用所述输入图像的所述缩放版本中的至少两个像素来描绘所述输入图像中的单个像素。
14.根据权利要求8所述的系统，还包括：
15.一种存储指令的非暂时性计算机可读介质，所述指令当由一个或多个数据处理装置执行时使所述一个或多个数据处理装置执行包括以下项的操作：
16.根据权利要求15所述的非暂时性计算机可读介质，其中输出缩放的输出包括输出所述解码的水印的缩放版本，其中所述解码的水印具有与所述输入图像中描绘的项的缩放级别对应的缩放级别。
17.根据权利要求16所述的非暂时性计算机可读介质，其中输出缩放的输出包括输出所述解码的水印的版本，在所述解码的水印的所述版本中所述解码的水印的单个像素使用所述缩放的输出中的多于一个像素被描绘。
18.根据权利要求15所述的非暂时性计算机可读介质，其中基于所述视觉上不可察觉的水印是否通过将所述解码器机器学习模型应用于所述输入图像被解码的确定来输出结果包括：响应于确定所述视觉上不可察觉的水印未通过将所述解码器机器学习模型应用于所述输入图像被解码而将所述解码器机器学习模型重新应用于所述输入图像的缩放版本。
19.根据权利要求18所述的非暂时性计算机可读介质，其中将所述解码器机器学习模型重新应用于所述输入图像的缩放版本包括：
20.根据权利要求15所述的非暂时性计算机可读介质，还包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种计算机实现的方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中输出缩放的输出包括输出所述解码的水印的缩放版本，其中所述解码的水印具有与所述输入图像中描绘的项的缩放级别对应的缩放级别。
3.根据权利要求2所述的计算机实现的方法，其中输出缩放的输出包括输出所述解码的水印的版本，在所述解码的水印的所述版本中所述解码的水印的单个像素使用所述缩放的输出中的多于一个像素被描绘。
4.根据权利要求1所述的计算机实现的方法，其中基于所述视觉上不可察觉的水印是否通过将所述解码器机器学习模型应用于所述输入图像被解码的确定来输出结果包括：响应于确定所述视觉上不可察觉的水印未通过将所述解码器机器学习模型应用于所述输入图像被解码而将所述解码器机器学习模型重新应用于所述输入图像的缩放版本。
5.根据权利要求4所述的计算机实现的方法，其中将所述解码器机器学习模型重新应用于所述输入图像的缩放版本包括：
6.根据权利要求5所述的计算机实现的方法，其中将所述输入图像缩放至少两倍的乘数包括：使用所述输入图像的所述缩放版本中的至少两个像素来描绘所述输入图像中的单个像素。
7.根据权利要求1所述的计算机实现的方法，还包括：
8.一种系统，包括：
9.根据权利要求8所述的系统，其中输出缩放的输出包括输出所述解码的水印的缩放版本，其中所述解码的水印具有与所述输入图像中描绘的项的缩放级别对应的缩放级别。
10.根据权利要求9所述的系统，其中输出缩放的输出包括输出所述解码的水印的版本，在所述解码的水印的所述版本中所述解码的水印的单个像素使用所述缩放的输出中的多于一个像素被描绘。
11.根据权利要求8所述的系统，其中基于所述视觉上不可察觉的水印是否通过将所述解码器机器学习模型应用于所述...
【专利技术属性】
技术研发人员：达克·何，张天豪，埃尔纳兹·巴尔斯汗塔什尼齐，罗曦杨，常惠雯，杨峰，瑞安·马修·哈加尔蒂，
申请(专利权)人：谷歌有限责任公司，
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。