[发明专利]图像隐藏信息检测的方法、装置、计算机设备和存储介质

权利要求书

1.一种图像隐藏信息检测的方法，其特征在于，包括：

获取待检测图像；

将所述待检测图像输入经过训练的反隐私隐藏检测模型；所述反隐私隐藏检测模型为基于深度学习的卷积神经网络模型；

根据所述反隐私隐藏检测模型的输出，得到所述待检测图像的隐藏信息的检测结果；

其中，所述反隐私隐藏检测模型通过以下步骤训练得到：

将预设数据库中的每N张图像样本设为一个批次，N为大于或等于2的整数；所述图像样本为包含隐藏的载密信息的图像；

按批次将图像样本输入待训练的卷积神经网络模型参与训练，直到满足训练结束条件；

将所述数据库中所有图像样本参与所述卷积神经网络模型训练一次作为一轮训练，每训练M轮，所述卷积神经网络模型的学习率按照设定比例降低；M为大于或等于2的整数。

2.如权利要求1所述的方法，其特征在于，包括：

所述卷积神经网络的学习率初始化为0.0001；

每训练10轮，所述卷积神经网络模型的学习率减半。

3.如权利要求1所述的方法，其特征在于，还包括：

收集图像样本；

对所述图像样本进行预处理，包括将所述图像样本归一化为256*256像素，以及设置所述图像样本的维数为3维；

对预处理之后的图像样本进行隐私嵌入处理，得到载密图像样本；

根据多个所述载密图像样本，构建所述数据库。

4.如权利要求3所述的方法，其特征在于，在将所述待检测图像输入经过训练的反隐私隐藏检测模型之前，还包括：

将所述待检测图像进行预处理，使其与所述数据库中图像样本的大小和维数一致。

5.如权利要求1至4任一项所述的方法，其特征在于，所述反隐私隐藏检测模型包括：至少两个卷积层、截断线性模块、至少两个正则化层、至少两个激活层、至少两个池化层以及1个全连接层；

所述至少两个卷积层的卷积核大小均为3*3；截断线性模块的截断阈值为1.5；激活层使用ReLU激活函数；池化层采用平均池化。

6.如权利要求5所述的方法，其特征在于，包括：所述反隐私隐藏检测模型包括5个卷积层，5个卷积层的特征维数分别为3，32，64，128，144；

和/或，所述全连接层使用144个神经元。

7.如权利要求1所述的方法，其特征在于，包括：所述反隐私隐藏检测模型包括4正则化层、至4激活层、4个池化层。

8.一种图像隐私隐藏检测的装置，其特征在于，包括：

图像获取模块，用于获取待检测图像；

图像检测模块，用于将所述待检测图像输入经过训练的反隐私隐藏检测模型；所述反隐私隐藏检测模型为基于深度学习的卷积神经网络模型；

隐私隐藏检测模块，用于根据所述反隐私隐藏检测模型的输出，得到所述待检测图像的隐私隐藏检测结果；

其中，所述反隐私隐藏检测模型通过以下步骤训练得到：

将预设数据库中的每N张图像样本设为一个批次，N为大于或等于2的整数；

按批次将图像样本输入待训练的卷积神经网络模型参与训练，直到满足训练结束条件；

将所述数据库中所有图像样本参与所述卷积神经网络模型训练一次作为一轮训练，每训练M轮，所述卷积神经网络模型的学习率按照设定比例降低；M为大于或等于2的整数。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。