# paper_code

**Repository Path**: wangtingting-niu/paper_code

## Basic Information

- **Project Name**: paper_code
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-08
- **Last Updated**: 2026-06-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Paper Code

一个基于深度学习的图像隐写（图像隐藏）项目，用于将秘密图像嵌入到载体图像中。

## 项目简介

本项目实现了基于卷积神经网络和U-Net的图像隐写技术，能够将秘密图像（secret image）隐藏到载体图像（cover image）中，并可从生成的含密图像中恢复出原始秘密图像。

## 功能特性

- **SNet模型**：用于图像恢复的卷积神经网络
- **HidingRes模型**：基于残差网络的图像隐藏模块
- **HidingUNet模型**：基于U-Net的图像隐藏网络，支持水印嵌入
- **Discriminator模型**：对抗训练用的判别器
- **图像变换工具**：提供丰富的图像预处理和后处理功能

## 环境要求

- Python 3.8+
- PyTorch
- NumPy
- Pillow
- OpenCV

## 安装

```bash
pip install torch numpy pillow opencv-python
```

## 使用方法

### 训练模型

```python
from main import train_snet

# 训练SNet模型
train_snet(
    data_b='path/to/cover/images',
    data_b_marked='path/to/hidden/images',
    save_dir='checkpoints_snet',
    size=256,
    batch_size=8,
    lr=1e-4,
    epochs=100
)
```

### 推理预测

```python
from inference_snet import infer_snet_only_result

# 使用训练好的模型进行推理
infer_snet_only_result(
    snet_ckpt='path/to/checkpoint.pth',
    folder_a='path/to/cover/images',
    folder_b_marked='path/to/hidden/images',
    out_dir='output/results',
    size=256
)
```

## 项目结构

```
.
├── main.py                  # 训练入口和SNet模型定义
├── inference_snet.py       # 推理脚本
├── use_snet.py             # SNet模型使用脚本
├── changeSize.py           # 图像尺寸调整工具
├── models/
│   ├── Discriminator.py   # 判别器模型
│   ├── HidingRes.py        # 残差隐藏网络
│   └── HidingUNet.py      # U-Net隐藏网络
├── myutils/
│   └── transformed.py      # 图像变换工具
└── README.md
```

## 模型架构

### SNet
- 基于ConvBlock的编码器-解码器结构
- 基础通道数：64（可配置）
- 输入图像尺寸：256x256（可配置）

### HidingUNet
- 编码器-解码器结构，带跳跃连接
- 支持水印嵌入
- 可选Instance Norm或Batch Norm

## 注意事项

1. 训练图像需预处理为相同尺寸（默认256x256）
2. 建议使用GPU加速训练
3. 可根据需要调整学习率和批量大小