买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京大学申请的专利一种基于神经网络结构的图片水印增强方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119741246B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311248686.1，技术领域涉及：G06T5/92；该发明授权一种基于神经网络结构的图片水印增强方法是由王奕森;莫易川设计研发完成，并于2023-09-26向国家知识产权局提交的专利申请。

本一种基于神经网络结构的图片水印增强方法在说明书摘要公布了：本发明公布了一种基于神经网络结构的图片水印增强方法，基于神经网络模型ViT构建用于图片水印增强的神经网络模型，在图片数据集上进行预训练；再利用预训练后的模型，通过多步迭代的方法进行图片水印增强处理，在图片上生成具有迷惑性的对抗噪声，用于模型对预先定义的图片水印模式进行学习，从而使得经生成对抗噪声后的图片训练后的ViT网络难遗忘预先定义的水印模式；将掩码掩盖后的噪声添加于图片像素上，由此得到增强处理后的水印图片。利用本发明提供的技术方案，通过降低干净样本和带水印样本激活值差异的方法，大幅提升现有水印去除技术去除水印的难度，可广泛推广应用。

本发明授权一种基于神经网络结构的图片水印增强方法在权利要求书中公布了：1.一种基于神经网络结构的图片水印增强方法，其特征是，基于神经网络模型ViT构建用于图片水印增强的神经网络模型，在图片数据集上进行预训练；再利用预训练后的模型，通过多步迭代的方法进行图片水印增强处理，在图片上生成具有迷惑性的对抗噪声，用于模型对预先定义的图片水印模式进行学习，将掩码掩盖后的噪声添加于图片像素上，由此得到增强处理后的水印图片；包括以下步骤： A.首先将神经网络模型在图片数据集上进行预训练；图片数据集包括未带水印的数字图片和带有水印的数字图片； 基于神经网络模型ViT构建用于图片水印增强的神经网络模型，记为F，包括主干网络、水印判别器和目标判别器；F的主干网络包括L个Transformer模块和一个线性模块，使用分类任务的交叉熵损失函数进行优化，用于提取水印特征表示；水印判别器用于基于主干网络的特征提取器所提取到的特征对干净图片样本和水印图片样本进行二分类；目标判别器用于基于主干网络的特征提取器所提取到的特征针对干净样本进行多分类；主干网络、水印判别器和目标判别器均使用交叉熵损失函数进行优化； B.对带有水印的数字图片进行预处理：在数字图片上添加噪声，并使用A中预训练后的神经网络对添加于数字图片上的噪声进行计算，获取经过水印掩码掩盖后的噪声；包括： 将带有水印的数字图片x，大小为h×h，预处理成神经网络模型的输入格式x′；进行迭代，共经过n步操作的迭代； 首先，对添加于图片上的噪声进行初始化，采样获得噪声的初始值，并与水印掩码逐元素相乘，得到经过水印掩码掩盖后的噪声，表示为δ0； 在第t+1步迭代时执行如下操作，其中t＝0,1,…,n-1： B1.将图片x′与掩盖后噪声δt逐个像素值相加后输入到图像处理网络F，进行前向传播后，分别得到第i层水印判别器di•以及目标判别器fi·的计算结果； 水印判别器的目标类别记为ybd，目标判别器的目标类别记为ytc；第i层水印判别器的损失记为第i层目标判别器的损失记为 将第i层水印判别器di•以及目标判别器fi·的计算结果，与目标类别ybd、ytc计算交叉熵损失后，得到与 B2.将与逐层相加，并得到总损失 B3.基于反向传播算法计算相对于δt的梯度gt，从而对δt进行更新，表示为δt+1： 其中，α为迭代步长；δt′为第t-1步的掩盖后的噪声；||gt||2表示梯度的二范数； 并将δt+1投影到像素可行域与攻击强度可行域后，与水印掩码逐元素相乘，得到第t步的掩码掩盖后的噪声δ‘t+1； B4.将δt+1划分成N个小块，并将其中k块上的噪声强度置零；N为水印判别器和目标判别器的数目； C.迭代操作完成后，将最后一步迭代得到的δn′与输入图片x′相加，即将掩码掩盖后的噪声添加于图片像素上，由此得到增强处理后的水印图片x″，并保存为本地图片。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京大学，其通讯地址为：100871 北京市海淀区颐和园路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。