生成对抗网络的训练与信息处理方法、设备、介质及程序产品与流程
本申请涉及信息处理的,涉及但不限于一种生成对抗网络(generativeadversarial networks,gan)的训练与信息处理方法、设备、介质及程序产品。
背景技术:
1、信息隐藏(information hiding),指的是将秘密信息隐藏于可公开的媒体信息中,使人们凭直观的视觉和听觉难以察觉其存在的技术。通过信息隐藏技术可以将秘密数据隐藏在人类视觉或听觉器官轻易感受不到明显区别的普通文件中,如图像、文本、音视频等。相关技术中提出了将秘密信息嵌入到图像文件中,从而实现信息隐藏的方案,但是,该方案中,只能在原有的图像文件中添加数据量很小的秘密信息,因此,难以实现大数据量的秘密信息的隐藏,即相关技术的方案存在秘密信息的嵌入效率较低的问题。
技术实现思路
1、本申请实施例提供一种生成对抗网络的训练与信息处理方法、设备、介质及程序产品。
2、本申请实施例的技术方案是这样实现的:
3、本申请实施例提供一种生成对抗网络的训练方法,所述方法包括:
4、获取多个样本图像;
5、对所述多个样本图像进行加密,得到所述多个样本图像对应的加密数据;并对所述多个样本图像进行轮廓提取,得到所述多个样本图像的真实轮廓;
6、根据所述多个样本图像对应的加密数据和所述多个样本图像的真实轮廓,对第一生成对抗网络(gan)进行训练。
7、本申请实施例还提供一种信息处理方法,所述方法包括:
8、对原始信息进行加密,得到加密后的数据;
9、利用训练完成的第一生成对抗网络对所述加密后的数据进行处理,得到第一图像轮廓;所述第一生成对抗网络是根据上述任意一种训练方法训练得到的;
10、利用训练完成的第二生成对抗网络对所述第一图像轮廓进行处理,得到第一图像,所述第一图像的轮廓为所述第一图像轮廓。
11、本申请实施例还提供另一种信息处理方法,所述方法包括:
12、获取第一图像;
13、利用第三生成对抗网络对所述第一图像进行处理,得到第二图像轮廓;
14、利用第四生成对抗网络对所述第二图像轮廓进行处理,得到待解密的数据;
15、对所述待解密的数据进行解密。
16、本申请实施例还提供一种电子设备,所述电子设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,所述处理器用于运行所述计算机程序以执行上述任意一种生成对抗网络的训练方法或任意一种信息处理方法。
17、本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述任意一种生成对抗网络的训练方法或任意一种信息处理方法。
18、本申请实施例还提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现上述任意一种生成对抗网络的训练方法或任意一种信息处理方法。
19、可以看出,本申请实施例可以根据多个样本图像对应的加密数据和多个样本图像的真实轮廓,对第一生成对抗网络进行训练,从而使第一生成对抗网络实现基于加密数据生成图像轮廓的能力。相比于相关技术中只能将数据量很小的秘密信息嵌入到图像文件的方案,本申请实施例无需利用图像文件的冗余空间实现信息隐藏,而是可以利用训练完成的第一生成对抗网络完成加密信息到图像轮廓的直接转换,从而实现信息隐藏,这样有利于通过训练完成的第一生成对抗网络提升秘密信息的嵌入效率,并实现数据量较大的秘密信息的隐藏。
1.一种生成对抗网络的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个样本图像对应的加密数据和所述多个样本图像的轮廓,对第一生成对抗网络进行训练,包括:
3.根据权利要求1所述的方法,其特征在于,所述多个样本图像对应的加密数据为设定长度的字节流数据。
4.一种信息处理方法,其特征在于,所述方法包括:
5.根据权利要求4所述的方法,其特征在于,所述加密后的数据为设定长度的字节流数据。
6.一种信息处理方法,其特征在于,所述方法包括:
7.根据权利要求6所述的方法,其特征在于,所述第三生成对抗网络的生成器的运算过程为与所述第二生成对抗网络的生成器的运算过程的逆运算过程;所述第四生成对抗网络的生成器的运算过程为与所述第一生成对抗网络的生成器的运算过程的逆运算过程。
8.一种电子设备,其特征在于,所述电子设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,
9.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序在被处理器执行时实现权利要求1至7任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com