Watermark Detection SigLIP2

🚀 水印檢測-SigLIP2

水印檢測-SigLIP2是一個基於視覺語言的編碼器模型，它從google/siglip2-base-patch16-224微調而來，用於二分類圖像分類任務。該模型經過訓練，能夠檢測圖像是否包含水印，採用了SiglipForImageClassification架構。

🚀 快速開始

安裝依賴

pip install -q transformers torch pillow gradio

推理代碼

import gradio as gr
from transformers import AutoImageProcessor, SiglipForImageClassification
from PIL import Image
import torch

# 加載模型和處理器
model_name = "prithivMLmods/Watermark-Detection-SigLIP2"  # 如果使用不同路徑，請更新此內容
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

# 標籤映射
id2label = {
    "0": "無水印",
    "1": "有水印"
}

def classify_watermark(image):
    image = Image.fromarray(image).convert("RGB")
    inputs = processor(images=image, return_tensors="pt")
    
    with torch.no_grad():
        outputs = model(**inputs)
        logits = outputs.logits
        probs = torch.nn.functional.softmax(logits, dim=1).squeeze().tolist()
    
    prediction = {
        id2label[str(i)]: round(probs[i], 3) for i in range(len(probs))
    }

    return prediction

# Gradio 界面
iface = gr.Interface(
    fn=classify_watermark,
    inputs=gr.Image(type="numpy"),
    outputs=gr.Label(num_top_classes=2, label="水印檢測"),
    title="水印檢測-SigLIP2",
    description="上傳一張圖片以檢測是否包含水印。"
)

if __name__ == "__main__":
    iface.launch()

✨ 主要特性

• 基於SigLIP2架構：從google/siglip2-base-patch16-224微調而來，具有良好的視覺語言編碼能力。
• 二分類圖像分類：專注於檢測圖像是否包含水印。
• 多場景應用：可用於內容審核、數據集清理、版權保護和數字取證等場景。

📚 詳細文檔

標籤空間：2 個類別

該模型將圖像分類為以下兩類：

類別 0: "無水印"
類別 1: "有水印"

分類報告

分類報告:
              精確率    召回率  f1分數   樣本數

無水印     0.9290    0.9722    0.9501     12779
  有水印     0.9622    0.9048    0.9326      9983

    準確率                         0.9427     22762
   宏平均     0.9456    0.9385    0.9414     22762
加權平均     0.9435    0.9427    0.9424     22762

演示推理

⚠️ 重要提示

水印檢測在清晰、高質量的圖像上效果最佳。不建議使用有噪聲的圖像進行驗證。

有水印的圖像示例

無水印的圖像示例

預期用途

水印檢測-SigLIP2 在以下場景中非常有用：

• 內容審核 – 自動檢測圖像分享平臺上的水印內容。
• 數據集清理 – 從訓練數據集中過濾掉帶有水印的圖像。
• 版權保護 – 監控並標記使用帶有水印的媒體。
• 數字取證 – 支持對篡改或受保護的媒體資產進行分析。

📄 許可證

本項目採用Apache-2.0許可證。

引用

SigLIP 2: Multilingual Vision-Language Encoders with Improved Semantic Understanding, Localization, and Dense Features https://arxiv.org/pdf/2502.14786