Unofficial implementation of 《Towards Photo-Realistic Visible Watermark Removal with Conditional Generative Adversarial Networks》
Source: 浙江大学SRTP项目——水印检测与去除
Contributors: Xiaodan Xu, Yining Mao, Hanjing Zhou
本项目为《Towards Photo-Realistic Visible Watermark Removal with Conditional Generative Adversarial Networks》一文的非官方复现。
注意：代码并不完善，生成器效果还不太好，需要继续调整超参（学习率、各项loss权重等等），可能还存在其他错误，仅供参考，欢迎批评指正！
我们的另一个项目“半自动水印检测与去除”：
semi-automatic-watermark-removal
注：此项目基于GitHub项目automatic-watermark-detection修改，在此对项目作者表示感谢！
automatic-watermark-detection项目是对paper "On The Effectiveness Of Visible Watermarks"的非官方复现。我们在项目作者工作的基础上，完成了随机位置水印检测与去除、满屏水印检测与去除的工作，欢迎感兴趣者参考与批评指正。
水印研究数据集包含15000张带文字水印图和1000张带满屏水印图
您可以从百度网盘下载我们创建的水印研究数据集：
【链接：https://pan.baidu.com/s/14Ap00RcrfhlEsO3WBB62_Q 提取码：syyj】
您可在"add_watermark"文件夹下找到加水印程序的代码。
注意：代码中，path为原图文件夹路径，outpath为输出的裁剪后的原图文件夹路径（程序将原图中的图片裁剪为300*300的大小，并重命名为1.png, 2.png ...），savePath则为添加水印后的图片的存访路径。
源码：add_image_watermark.py
水印图：multiple.png
使用方法：python add_image_watermark.py
源码：add_random_text_watermark.py
字体文件：Antonio-Regular.ttf
使用方法：python add_random_text_watermark.py
请先下载VGG16模型的预训练参数“vgg16-397923af.pth”，并放在项目的根目录下
【链接：https://pan.baidu.com/s/1N8A3BAEQ6j0K091v_5obpg 提取码：vgg1 】
请将训练集、测试集图片放置dataset文件夹下对应的文件夹中。注意，如果您想直接使用我们的程序进行训练，请参照我们的图片命名方式，否则，您需要修改程序中的对应部分，以加载您自己的数据集。请将N改为正确的图片数。
在本项目中，用于训练的图片大小为256*256。如果您需要修改图片大小，请修改代码中的image_size、img_shape、whc。其中whc为VGG16网络relu2_2层输出的维度。
我们默认每5轮保存一次效果图和模型参数，您可在源文件中进行修改。
使用方法：python remove_watermark.py
结果保存位置：result
请将N改为正确的图片数。
"model_parameters"文件夹下存放了我们用12000张图训练330轮的模型的参数，您可以尝试加载它并进行测试。
使用方法：python test.py
测试结果保存位置：test_result
我们的模型还有待改善，您可以思考以下方面
-
扩大训练集（12000->3w+张；给图片加上不同的文字或图片水印）
-
学习率衰减（在训练初期学习率大一些，使得网络收敛迅速，在训练后期学习率小一些，使得网络更好的收敛到最优解）
-
调整L1 loss、GAN loss、perceptual loss的权重
-
调整其他参数……