[发明专利]神经网络训练方法、图像编码和解码方法及相关产品

说明书

本申请实施例公开了一种神经网络训练方法、图像编码和解码方法及相关产品，所述神经网络包括第一网络和第二网络，神经网络训练方法包括：将第一水印数据和第一图像样本输入所述第一网络，得到第二图像样本；对所述第二图像样本进行扰动处理，得到第三图像样本；将所述第三图像样本输入所述第二网络，得到第二水印数据；根据所述第二图像样本、所述第一图像样本、所述第一水印数据和所述第二水印数据，调整所述神经网络的网络参数。

技术领域

本申请涉及图像处理领域，具体涉及一种神经网络训练方法、图像编码和解码方法及相关产品。

背景技术

鲁棒数字水印(Robust Digital Watermark)是一种基于内容的计算机信息隐藏技术，将一些标识信息(水印信息)，嵌入到数字图像当中，且不影响原图像的使用价值，也不容易被探知和再次修改，但可以被生产方识别和辨认。通过在数字图像中隐藏标识信息，可以达到确认内容创建者、购买者等目的。

然而，数字图像的传播及使用过程中由于人为因素的存在，往往会经历各种信息丢失。例如，对添加有水印的数字图像进行图像剪切、图像压缩或者图像替换等操作后会导致水印信息的丢失，从而无法从数字图像中成功解析出原先添加的水印，进而造成水印失效。

发明内容

本申请实施例提供了一种神经网络训练方法、图像编码和图像解码方法及相关产品。

第一方面，本申请实施例提供一种神经网络训练方法，所述神经网络包括第一网络和第二网络，包括：

将第一水印数据和第一图像样本输入所述第一网络，得到第二图像样本；

对所述第二图像样本进行扰动处理，得到第三图像样本；

将所述第三图像样本输入所述第二网络，得到第二水印数据；

根据所述第二图像样本、所述第一图像样本、所述第一水印数据和所述第二水印数据，调整所述神经网络的网络参数。

在一种可能的实施方式中，所述根据所述第二图像样本、所述第一图像样本、所述第一水印数据和所述第二水印数据，调整所述神经网络的网络参数，包括：

根据所述第一图像样本和所述第二图像样本确定第一损失结果；

根据所述第一水印数据和所述第二水印数据得到第二损失结果；

根据所述第一损失结果和所述第二损失结果，调整所述神经网络的网络参数值。

在一种可能的实施方式中，所述第一水印数据包括比特流；在所述将第一水印数据和第一图像样本输入所述第一网络，得到第二图像样本之前，所述方法还包括：

对水印样本进行编码，得到所述水印样本对应的所述比特流；

所述将第一水印数据和第一图像样本输入所述第一网络，得到第二图像样本，包括：

通过所述第一网络对所述第一图像样本进行分割，得到第一样本块；

对所述第一比特流进行分割，得到与至少部分所述第一样本块中每个第一样本块对应的子比特流；

根据所述每个第一样本块对应的子比特流，得到与所述至少部分所述第一样本块对应的多个第二样本块；

根据对所述第一图像样本进行分割的方式，对所述多个第二样本块进行拼接，得到所述第二图像样本。

在一种可能的实施方式中，在所述第一图像样本的尺寸与所述神经网络规定的尺寸不匹配的情况下，在所述将第一水印数据和第一图像样本输入所述第一网络，得到第二图像样本之前，所述方法还包括：

对所述第一图像样本的尺寸进行缩放，以使缩放后的所述第一图像样本的尺寸与神经网络规定的尺寸匹配。