-
公开(公告)号：CN113379584B
公开(公告)日：2023-10-31
申请号：CN202110649809.7
申请日：2021-06-10
Applicant: 大连海事大学
IPC: G06T1/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于残差学习的不可感知水印攻击方法、存储介质及电子装置，本发明方法包括：通过构建基于卷积神经网络的水印攻击模型，在含水印图像和无水印图像之间进行端到端非线性学习，将含水印图像映射到无水印图像，进行水印攻击；根据水印信息的嵌入区域选择合适数目的特征提取块来提取含水印信息的特征图；引入残差学习机制提升水印攻击模型的收敛速度和学习能力，通过减少残差图像与无水印图像之间的差异提升被攻击图像的不可感知性；根据DIV2K2017超分辨率数据集以及基于四元数指数矩的鲁棒彩色图像水印算法构建训练水印攻击模型的数据集。本发明的水印攻击模型能够在不破坏含水印图像视觉质量的前提下以高误码率实现对鲁棒水印算法的攻击。
-
公开(公告)号：CN113379584A
公开(公告)日：2021-09-10
申请号：CN202110649809.7
申请日：2021-06-10
Applicant: 大连海事大学
Abstract: 本发明提供一种基于残差学习的不可感知水印攻击方法、存储介质及电子装置，本发明方法包括：通过构建基于卷积神经网络的水印攻击模型，在含水印图像和无水印图像之间进行端到端非线性学习，将含水印图像映射到无水印图像，进行水印攻击；根据水印信息的嵌入区域选择合适数目的特征提取块来提取含水印信息的特征图；引入残差学习机制提升水印攻击模型的收敛速度和学习能力，通过减少残差图像与无水印图像之间的差异提升被攻击图像的不可感知性；根据DIV2K2017超分辨率数据集以及基于四元数指数矩的鲁棒彩色图像水印算法构建训练水印攻击模型的数据集。本发明的水印攻击模型能够在不破坏含水印图像视觉质量的前提下以高误码率实现对鲁棒水印算法的攻击。
-
公开(公告)号：CN112101060A
公开(公告)日：2020-12-18
申请号：CN202011171752.6
申请日：2020-10-28
Applicant: 大连海事大学
Abstract: 本发明公开了基于平移不变性和小区域模板匹配的二维码定位方法和系统，属于工业二维码定位相关技术领域，该方法包括以下步骤，实时采集在高速传送带上传送的产品的图像，对图像队列里每个图像的选择多个特征明显的关键区域，采用小区域模板匹配算法对多个关键区域分别进行模板设置，在固定的搜索区域内进行模板匹配处理，将梯度幅值具有旋转不变性与基于梯度幅值特征快速搜索匹配算法相结合，定位到关键区域；根据二维码的大小以及获得的二维码的中心坐标来实现对二维码的准确定位，进而实现二维码识别；当识别出的二维码与二维码的原内容不一致，则识别出的二维码不合格，该方法满足高速生产线对印刷有二维码产品的实时检测与在线实时分拣要求。
-
-
Search Results
3
records
(took 0.018 seconds)
