基于多尺度网络的水印识别方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110852242A(43)申请公布日2020.02.28(21)申请号201911077317.4(22)申请日2019.11.06(71)申请人北京字节跳动网络技术有限公司地址100041北京市石景山区实兴大街30号院3号楼2层B-0035房间(72)发明人庄妮(74)专利代理机构北京远智汇知识产权代理有限公司11659代理人范坤坤(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书1页说明书8页附图2页(54)发明名称基于多尺度网络的水印识别方法、装置、设备及存储介质(57)摘要本公开实施例公开了一种基于多尺度网络的水印识别方法、装置、设备及存储介质。该方法包括：将待识别图像输入设定多尺度卷积神经网络，获得至少两个不同尺度的特征信息；对所述至少两个不同尺度的特征信息按照设定框规则进行框回归处理，获得所述待识别图像在不同尺度下分别对应的多个候选框；对在不同尺度下分别对应的多个候选框分别进行水印识别，保留包含水印的候选框。本公开实施例提供的基于多尺度网络的水印识别方法，对待识别图像不同尺度下的特征信息进行框回归处理，对不同尺度下的候选框分别进行水印识别，可以实现对图像中的大水印及小水印的同时识别，提高水印识别的准确性。CN110852242ACN110852242A权利要求书1/1页1.一种基于多尺度网络的水印识别方法，其特征在于，包括：将待识别图像输入设定多尺度卷积神经网络，获得至少两个不同尺度的特征信息；对所述至少两个不同尺度的特征信息按照设定框规则进行框回归处理，获得所述待识别图像在不同尺度下分别对应的多个候选框；对在不同尺度下分别对应的多个候选框分别进行水印识别，保留包含水印的候选框。2.根据权利要求1所述的方法，其特征在于，所述设定多尺度卷积神经网络包括多级子网络；每级子网络包括多个卷积层，同级子网络中卷积层的卷积尺度相同；每级子网络间的卷积尺度互不相同，且低级子网络由高级子网络进行下采样和/或尺度融合获得。3.根据权利要求1或2所述的方法，其特征在于，将待识别图像输入设定多尺度卷积神经网络，获得至少两个不同尺度的特征信息，包括：将待识别图像输入设定多尺度卷积神经网络进行不同尺度的卷积计算，获得至少两个不同尺度的特征信息。4.根据权利要求1所述的方法，其特征在于，对所述至少两个不同尺度的特征信息按照设定框规则进行框回归处理，获得所述待识别图像在不同尺度下分别对应的多个候选框，包括：对于当前尺度的特征信息，对所述当前尺度的特征信息的每个像素点按照设定框规则进行框回归处理，获得每个像素点在待识别图像中对应的候选框。5.根据权利要求4所述的方法，其特征在于，所述设定框规则包括至少一个矩形框，所述矩形框包括框大小及长宽比。6.根据权利要求1所述的方法，其特征在于，对在不同尺度下分别对应的多个候选框分别进行水印识别，保留包含水印的候选框，包括：按照设定分类算法对在不同尺度下分别对应的多个候选框分别进行分类，获得包含水印的候选框。7.根据权利要求1所述的方法，其特征在于，在保留包含水印的候选框之后，还包括：对不同尺度下包含水印的候选框进行融合分析确定水印在待识别图像中的位置。8.一种基于多尺度网络的水印识别装置，其特征在于，包括：不同尺度特征信息获取模块，用于将待识别图像输入设定多尺度卷积神经网络，获得至少两个不同尺度的特征信息；候选框获取模块，用于对所述至少两个不同尺度的特征信息按照设定框规则进行框回归处理，获得所述待识别图像在不同尺度下分别对应的多个候选框；水印识别模块，用于对在不同尺度下分别对应的多个候选框分别进行水印识别，保留包含水印的候选框。9.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理装置；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-7中任一所述的基于多尺度网络的水印识别方法。10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-7中任一所述的基于多尺度网络的水印识别方法。2CN110852242A说明书1/8页基于多尺度网络的水印识别方法、装置、设备及存储介质技术领域[0001]本公开实施例涉及水印识别技术领域，尤其涉及一种基于多尺度网络的水印识别方法、装置、设备及存储介质。背景技术[0002]图像包含了丰富且直观的信息，其在互联网领域得到了广泛的应用。为了保护图像信息的所有权，越来越多的个人和组织选择给自身拥有的图像嵌入水印信息，因此，在使用图像前，目前通常需要人工对图像进行审