[发明专利]水印检测方法、装置、计算机设备和存储介质

权利要求书

1.一种水印检测方法，其特征在于，所述方法包括：

将待检测图像输入训练好的粗粒度分割网络模型中进行检测，得到所述粗粒度分割网络模型中的各网络通道输出的所述待检测图像的特征图；其中，所述网络通道与水印类别对应；

根据所述特征图及所述网络通道确定所述待检测图像中的水印的类别及所述水印在所述待检测图像中的位置；

所述将待检测图像输入训练好的粗粒度分割网络模型中进行检测，得到所述粗粒度分割网络模型中的各网络通道输出的所述待检测图像的特征图，包括：

利用所述训练好的粗粒度分割网络模型，对所述待检测图像进行卷积神经网络学习，得到所述待检测图像的特征向量；

对所述特征向量进行分类归一处理，得到所述待检测图像的特征图；

其中，所述特征图包括多个元素，所述元素的位置与区块单元的位置一一对应，所述特征图包括所述待检测图像在所述网络通道中的含水印的概率矩阵，所述区块单元是所述训练好的粗粒度分割网络模型对所述待检测图像进行分割，得到的多个等面积的区块单元。

2.根据权利要求1所述的方法，其特征在于，在所述将待检测图像输入训练好的粗粒度分割网络模型中进行检测之前，所述方法还包括：

对训练图像样本执行区块式分割标注，得到多个区块标注单元；其中，每个所述区块标注单元上标注有水印标签；

利用预设的粗粒度分割网络模型，对所述区块标注单元进行卷积神经网络学习，得到所述训练图像样本的区块分割识别结果；

将所述区块分割识别结果与所述区块标注单元上的水印标签进行比对，确定模型误差；

利用所述模型误差，对所述预设的粗粒度分割网络模型进行迭代训练，得到所述训练好的粗粒度分割网络模型。

3.根据权利要求2所述的方法，其特征在于，所述对训练图像样本执行区块式分割标注，得到多个区块标注单元，包括：

对所述训练图像样本进行分割，得到多个等面积的区块单元；

获取所述区块单元的水印信息，将与所述水印信息对应的水印标签标注于与所述水印信息对应的区块单元上，得到所述多个区块标注单元。

4.根据权利要求1所述的方法，其特征在于，所述特征图中的每一个元素在所述网络通道上构成一列概率向量；

所述根据所述特征图及所述网络通道确定所述待检测图像中的水印的类别及所述水印在所述待检测图像中的位置，包括：

查找出所述特征图中的目标元素的目标概率向量中的概率最大值；

判断所述概率最大值是否大于预设阈值；

若所述概率最大值大于所述预设阈值，则将所述概率最大值所在的网络通道对应的水印类别，确定为所述待检测图像的水印的类别；

将与所述目标元素的位置对应的区块单元的位置，确定为所述待检测图像的水印的位置。

5.根据权利要求4所述的方法，其特征在于，所述特征图中的每一个元素在所述网络通道上构成一列概率向量；

所述根据所述特征图及所述网络通道确定所述待检测图像中的水印的类别及所述水印在所述待检测图像中的位置，包括：

将所述特征图中的元素的概率向量中的概率值与所述预设阈值进行比较，查找出大于所述预设阈值的目标概率值；

将所述目标概率值所在的网络通道对应的水印类别确定为所述待检测图像的水印的类别；

确定所述目标概率值所属的元素的位置，将与所述元素的位置对应的区块单元的位置，确定为所述待检测图像的水印的位置。

6.根据权利要求1所述的方法，其特征在于，所述将待检测图像输入训练好的粗粒度分割网络模型中进行检测，之前还包括：

对所述待检测图像进行像素归一化处理。