此回购包含AAAI 2021论文的代码和结果: , | | | (Google CoLab) 拟议的两阶段框架概述。 首先,我们提出了一个用于水印检测,删除和恢复的多任务网络SplitNet。 然后,我们提出了RefineNet,以使用预测的蒙版和从上一阶段恢复的背景对学习区域进行平滑处理。 因此,我们的网络可以在没有任何人工干预的情况下以端到端的方式进行培训。 注意,为清楚起见,我们没有显示所有编码器和解码器之间的任何跳过连接。 整个项目将于2021年1月(几乎)发布。 数据集 我们合成了四个不同的数据集进行训练和测试,您可以通过下载该数据集。 预训练模型 其他经过预先训练的模型仍在重组和上传中,它将很快发布。 演示版 可以在google colab中建立一个易于使用的在线演示。 本地演示将很快发布。 前提条件 pip install -r requirements.
2023-05-17 23:56:22 51KB pytorch watermark-removal aaai2021 Python
1
盲水印 这是用Python2.7编写的 用法 python encode.py --image < image> --watermark < watermark> --result < result> python decode.py --original < original> --image < image> --result < result> Use --alpha to change the alpha (default 5.0). 例子 编码: 原始图片 水印 python encode.py --image ori.png --watermark watermark.png --result res.png 结果 解码: python decode.py --original ori
2022-12-04 15:57:20 2.1MB image blind fourier watermark
1
盲水印 基于小波变换的盲水印。 文档: https : //BlindWatermark.github.io/blind_watermark/#/en/ 文档: https : //BlindWatermark.github.io/blind_watermark/#/zh/ 中文自述文件README_cn.md 源代码: https : //github.com/guofei9987/blind_watermark 安装 pip install blind-watermark 对于当前的开发人员版本: git clone git@github.com:guofei9987/blind_watermark.git cd blind_watermark pip install . 如何使用 如何嵌入水印: from blind_watermark import Wat
2021-11-29 16:58:16 2.82MB watermark watermark-image blind-watermark Python
1
如何证明您的模型属于您:基于盲水印的框架来保护DNN的知识产权 这是一个示例示例(在MNIST和CIFAR-10上),该示例演示了如何运行介绍的框架 快速开始 配置环境 Python=3.7 Pytorch=1.2.0 Others are the latest version 数据集 更改args.dataset='mnist or cifar10'定义数据集。 数据集将自动下载到/data 。 如果args.dataset='mnist' ,则排他徽标是从mnist数据集中随机抽取的样本。 如果args.dataset='cifar10' ,则专用徽标位于/data/IEEE/logo 。 您还可以选择其他徽标。 主机模型 如果args.dataset='mnist' ,则只能实现将水印嵌入lenet1, lenet3, lenet5 。 如果args.dataset='cif
2021-10-11 21:05:41 2.45MB Python
1
隐形水印 看不见的水印是用于在图像生成不可视水印一个python库和命令行工具。(又名。眨眼图像水印,数字图像水印)。 该算法不对原始图像进行回复。 请注意,该库仍处于试验阶段,不支持GPU加速,请在生产环境中仔细部署它。 默认方法dwtDCT (频率方法的一种变体)可以进行即时嵌入,而其他方法在仅CPU的环境中速度太慢。 +频率嵌入算法的变体。 ,一个从Hollywood2电影剪辑数据集中训练的深度学习模型。 默认的嵌入方法dwtDct快速且适用于即时嵌入 dwtDctSvd慢3倍,而rivaGan慢10倍,对于大图像,它们不适合即时嵌入 准确性 即使我们不进行任何攻击,该算法也无法保证对原始水印进行100%准确的解码。 已知缺陷:测试表明,对于背景色相同的网页屏幕截图或海报,所有算法的效果都不理想 支持的算法 dwtDct :DWT + DCT变换,将水印位嵌入块dct系数的
2021-08-28 13:22:46 4.49MB image-watermark blind-watermark Python
1