🚀 水印检测-SigLIP2

水印检测-SigLIP2是一个基于视觉语言的编码器模型，它从google/siglip2-base-patch16-224微调而来，用于二分类图像分类任务。该模型经过训练，能够检测图像是否包含水印，采用了SiglipForImageClassification架构。

🚀 快速开始

安装依赖

pip install -q transformers torch pillow gradio

推理代码

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

# 加载模型和处理器
model_name = "prithivMLmods/Watermark-Detection-SigLIP2"  # 如果使用不同路径，请更新此内容
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

# 标签映射
id2label = {
    "0": "无水印",
    "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="水印检测"),
    title="水印检测-SigLIP2",
    description="上传一张图片以检测是否包含水印。"
)

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

✨ 主要特性

• 基于SigLIP2架构：从google/siglip2-base-patch16-224微调而来，具有良好的视觉语言编码能力。
• 二分类图像分类：专注于检测图像是否包含水印。
• 多场景应用：可用于内容审核、数据集清理、版权保护和数字取证等场景。

📚 详细文档

标签空间：2 个类别

该模型将图像分类为以下两类：

类别 0: "无水印"
类别 1: "有水印"

分类报告

分类报告:
              精确率    召回率  f1分数   样本数

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

    准确率                         0.9427     22762
   宏平均     0.9456    0.9385    0.9414     22762
加权平均     0.9435    0.9427    0.9424     22762

演示推理

⚠️ 重要提示

水印检测在清晰、高质量的图像上效果最佳。不建议使用有噪声的图像进行验证。

有水印的图像示例

无水印的图像示例

预期用途

水印检测-SigLIP2 在以下场景中非常有用：

• 内容审核 – 自动检测图像分享平台上的水印内容。
• 数据集清理 – 从训练数据集中过滤掉带有水印的图像。
• 版权保护 – 监控并标记使用带有水印的媒体。
• 数字取证 – 支持对篡改或受保护的媒体资产进行分析。

📄 许可证

本项目采用Apache-2.0许可证。

引用

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