神经网络训练方法、图像编码和解码方法、装置及介质与流程

技术特征：
1.一种神经网络训练方法，其特征在于，所述神经网络包括第一网络和第二网络，所述方法包括：获取第一水印数据、第一密钥数据和第一图像样本；将所述第一水印数据、所述第一密钥数据以及所述第一图像样本输入到所述第一网络进行拼接，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；获取第二密钥数据，并将所述第三图像样本和所述第二密钥数据输入到所述第二网络，得到第二水印数据；根据所述第一图像样本、所述第二图像样本、所述第一水印数据、所述第二水印数据、所述第一密钥数据以及所述第二密钥数据调整所述神经网络的网络参数。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像样本、所述第二图像样本、所述第一水印数据、所述第二水印数据、所述第一密钥数据以及所述第二密钥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；对所述第一图像样本和所述第二图像样本进行图像鉴别，得到第二损失，所述图像鉴别用于确定图像样本为包括水印数据的图像的概率；根据所述第一水印数据、所述第二水印数据、所述第一密钥数据以及所述第二密钥数据确定第三损失；根据所述第一损失、所述第二损失和所述第三损失调整所述神经网络的网络参数。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一水印数据、所述第二水印数据、所述第一二密钥数据以及所述第二密钥数据确定第三损失，包括：在所述第一密钥数据和所述第二密钥数据相同的情况下，确定所述第一水印数据与所述第二水印数据之间的第一距离，并将所述第一距离确定为所述第三损失；或是，在所述第一密钥数据和所述第二密钥数据不同的情况下，确定所述第一密钥数据与所述第二密钥数据之间的第二距离，以及所述第一水印数据与所述第二水印数据之间的第三距离，并根据所述第二距离和所述第三距离确定所述第三损失。4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述第一水印数据、所述第一密钥数据以及所述第一图像样本输入到所述第一网络进行拼接，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特征提取，得到第一特征图；将所述第一特征图、所述第一水印数据以及所述第一密钥数据进行拼接，得到第二特征图；根据所述第二特征图，得到所述第二图像样本。5.根据权利要求4所述的方法，其特征在于，所述将所述第一特征图、所述第一水印数据以及所述第一密钥数据进行拼接，得到第二特征图，包括：分别对所述第一水印数据和所述第一密钥数据进行多次复制与组合，得到与所述第一水印数据对应的第一三维矩阵，以及与所述第一密钥数据对应的第二三维矩阵；其中，所述第一三维矩阵以及所述第二三维矩阵中每层的维度与所述第一特征图的维度相同；根据所述第一三维矩阵、所述第二三维矩阵以及所述第一特征图，得到所述第二特征
图。6.根据权利要求5所述的方法，其特征在于，所述根据所述第一三维矩阵、所述第二三维矩阵以及所述第一特征图，得到所述第二特征图，包括：将所述第一三维矩阵和所述第二三维矩阵中的一个三维矩阵，与所述第一特征图进行拼接，得到第三特征图；将所述第一三维矩阵和所述第二三维矩阵中的另一个三维矩阵，与所述第三特征图进行拼接，得到所述第二特征图。7.根据权利要求4所述的方法，其特征在于，所述将所述第一特征图、所述第一水印数据以及所述第一密钥数据进行拼接，得到第二特征图，包括：合并所述第一水印数据和所述第一密钥数据，并对合并后数据进行多次复制与组合，得到与所述合并后数据对应的第三三维矩阵；其中，所述第三三维矩阵中每层的维度与所述第一特征图的维度相同；将所述第三三维矩阵与所述第一特征图进行拼接，得到所述第二特征图。8.根据权利要求1-7中任一项所述的方法，其特征在于，所述获取第二密钥数据，并将所述第三图像样本和所述第二密钥数据输入到所述第二网络，得到第二水印数据，包括：通过所述第二网络对所述第三图像样本进行特征提取，得到第四特征图；将所述第四特征图与所述第二密钥数据进行拼接，得到第五特征图；根据所述第五特征图，得到所述第二水印数据。9.根据权利要求8所述的方法，其特征在于，所述将所述第四特征图与所述第二密钥数据进行拼接，得到第五特征图，包括：对所述第二密钥数据进行多次复制与组合，得到第四三维矩阵，其中，所述第四三维矩阵中每层的维度与所述第四特征图的维度相同；将所述第四三维矩阵与所述第四特征图进行拼接，得到所述第五特征图。10.根据权利要求1-9中任一项所述的方法，其特征在于，在所述获取第一水印数据、第一密钥数据和第一图像样本之前，所述方法还包括：获取第一水印内容，并对所述第一水印内容进行编码，得到所述第一水印数据；和/或，获取第一密钥，并对所述第一密钥进行编码，得到所述第一密钥数据。11.根据权利要求1-10中任一项所述的方法，其特征在于，所述扰动处理包括以下至少一种：图像压缩处理、图像剪切处理、图像覆盖处理和图像中至少部分区域的替换处理。12.一种图像编码方法，其特征在于，包括：获取原始图像、第一密钥数据以及第三水印数据；将所述原始图像、所述第一密钥数据以及所述第三水印数据输入到第一网络，得到编码图像；其中，所述第一网络是通过如权利要求1至11中任一项所述的方法训练得到。13.一种图像解码方法，其特征在于，包括：获取编码图像以及第一密钥数据；将所述编码图像和所述第一密钥数据输入到所述第二网络，得到第四水印数据；其中，所述第二网络是通过如权利要求1至11中任一项所述的方法训练得到。14.一种神经网络训练装置，其特征在于，所述神经网络包括第一网络和第二网络，包
括：获取单元，用于获取第一水印数据、第一密钥数据和第一图像样本；编码单元，用于将所述第一水印数据、所述第一密钥数据以及所述第一图像样本输入到所述第一网络进行拼接，得到第二图像样本；扰动单元，用于对所述第二图像样本进行扰动处理，得到第三图像样本；解码单元，用于获取第二密钥数据，并将所述第三图像样本和所述第二密钥数据输入到所述第二网络，得到第二水印数据；调整单元，用于根据所述第一图像样本、所述第二图像样本、所述第一水印数据、所述第二水印数据、所述第一密钥数据以及所述第二密钥数据调整所述神经网络的网络参数。15.一种图像编码装置，其特征在于，包括：获取单元，用于获取原始图像、第一密钥数据以及第三水印数据；编码单元，用于将所述原始图像、所述第一密钥数据以及所述第三水印数据输入到第一网络，得到编码图像；其中，所述第一网络是通过如权利要求1至11中任一项所述的方法训练得到。16.一种图像解码装置，其特征在于，包括：获取单元，用于获取编码图像以及第一密钥数据；解码单元，用于将所述编码图像和所述第一密钥数据输入到所述第二网络，得到第四水印数据；其中，所述第二网络是通过如权利要求1至11中任一项所述的方法训练得到。17.一种神经网络训练装置，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-11中任一项方法中的步骤的指令。18.一种图像编码装置，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求12方法中的步骤的指令。19.一种图像解码装置，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求13方法中的步骤的指令。20.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-13中任一项所述的方法。

技术总结
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、装置及介质。该神经网络训练方法包括：获取第一水印数据、第一密钥数据和第一图像样本；将所述第一水印数据、所述第一密钥数据以及所述第一图像样本输入到所述第一网络进行拼接，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；获取第二密钥数据，并将所述第三图像样本和所述第二密钥数据输入到所述第二网络，得到第二水印数据；根据所述第一图像样本、所述第二图像样本、所述第一水印数据、所述第二水印数据、所述第一密钥数据以及所述第二密钥数据调整所述神经网络的网络参数。据调整所述神经网络的网络参数。据调整所述神经网络的网络参数。


技术研发人员：穆长春 狄刚 彭宝云 李正龙 梁鼎
受保护的技术使用者：上海商汤智能科技有限公司
技术研发日：2020.05.22
技术公布日：2021/11/26