[发明专利]生成图像溯源方法与装置、模型训练方法与装置、电子设备及存储介质

权利要求书

1.一种生成图像溯源模型训练方法，其特征在于，包括：

步骤1，将生成图像输入至生成器以获取对应该生成图像的一指纹；

步骤2，将该指纹添加至随机选取的一真实图像上，得到一带指纹图像；

步骤3，将该带指纹图像分别输入至鉴别器和辅助分类器进行训练。

2.如权利要求1所述的生成图像溯源模型训练方法，其特征在于，该步骤1包括：

步骤11，将该生成图像输入至该生成器的编码器以投射出一隐向量；

步骤12，该生成器的解码器将该隐向量转换为对应该生成图像的该指纹。

3.如权利要求2所述的生成图像溯源模型训练方法，其特征在于，还包括：

将该隐向量输入至一分类头进行训练以该分类头具有预测该生成图像的类别的能力；

其中，该分类头由平均池层和全连通层构成。

4.如权利要求1所述的生成图像溯源模型训练方法，其特征在于，还包括：

使用该生成图像对该辅助分类器进行预训练，以使其具有分类该生成图像的能力。

5.如权利要求1所述的生成图像溯源模型训练方法，其特征在于，采用辅助分类损失函数对该辅助分类器进行约束，

其中，L_CE表示交叉熵损失，C表示辅助分类器，x^fp表示带指纹图像，y表示生成图像类别。

6.如权利要求1所述的生成图像溯源模型训练方法，其特征在于，采用对抗损失函数和分别约束该鉴别器区分该带指纹图像和该生成图像，以及该生成器生成的该指纹添加至该真实图像得到的该带指纹图像能够愚弄该鉴别器，

其中，D表示鉴别器，G表示分类器，x^fp表示带指纹图像，x表示生成图像，E表示期望。

7.如权利要求1所述的生成图像溯源模型训练方法，其特征在于，还包括：

采用采用VGG-16感知损失函数约束该带指纹图像与对应的该真实图像在视觉上保持一致，

其中，|| ||表示L₂损失，F表示VGG特征提取器，x^fp表示带指纹图像，x^real表示真实图像。

8.如权利要求3所述的生成图像溯源模型训练方法，其特征在于，采用隐向量分类损失函数对该分类头进行约束，

其中，L_CE表示交叉熵损失，H表示该分类头，z表示该隐向量，y表示生成图像类别。

9.一种生成图像溯源模型训练装置，其特征在于，包括：

指纹生成单元，用于将生成图像输入至生成器以获取对应该生成图像的一指纹；

带指纹图像获取单元，用于将该指纹添加至随机选取的一真实图像上，得到一带指纹图像；

第一训练单元，将该带指纹图像分别输入至鉴别器和辅助分类器进行训练。

10.如权利要求9所述的生成图像溯源模型训练装置，其特征在于，还包括：

第二训练单元，用于将该隐向量输入至一分类头进行训练以使该分类头具有预测该生成图像的类别的能力；

其中，该分类头由平均池层和全连通层构成。

11.一种生成图像溯源方法，其特征在于，包括：

步骤4，将一待识别生成图像输入至由权利要求1-8任一所述的方法训练得到的生成器以获取对应该待识别生成图像的指纹；

步骤5，将该指纹与指纹库中的预存指纹进行匹配，其中与该指纹最近似的该预存指纹的类别为该待识别生成图像的类别。