license: apache-2.0 datasets:

• qwertyforce/scenery_watermarks language:
• en base_model:
• google/siglip2-base-patch16-224
• prithivMLmods/Watermark-Detection-SigLIP2 pipeline_tag: image-classification library_name: transformers tags:
• Image-Classification
• Watermark-Detection
• SigLIP2

I'll fetch the actual README content from the HuggingFace page to translate it.

Watermark-Detection-SigLIP2

Watermark-Detection-SigLIP2 是一个视觉-语言编码器模型,基于 google/siglip2-base-patch16-224 进行微调,用于二分类图像分类。该模型被训练用于检测图像是否包含水印,使用 SiglipForImageClassification 架构。

水印检测在清晰高质量的图像上效果最佳。不建议对噪点较多的图像进行验证。

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

Classification Report:
              precision    recall  f1-score   support

No Watermark     0.9290    0.9722    0.9501     12779
   Watermark     0.9622    0.9048    0.9326      9983

    accuracy                         0.9427     22762
   macro avg     0.9456    0.9385    0.9414     22762
weighted avg     0.9435    0.9427    0.9424     22762

标签空间:2个类别

模型将图像分类为:

类别 0: "无水印"
类别 1: "有水印"

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,请更新此处
model = SiglipForImageClassification.from_pretrained(model_name)
processor = AutoImageProcessor.from_pretrained(model_name)

# 标签映射
id2label = {
    "0": "No Watermark",
    "1": "Watermark"
}

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="Watermark Detection"),
    title="Watermark-Detection-SigLIP2",
    description="上传图像以检测是否包含水印。"
)

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

演示推理

有水印

无水印

预期用途

Watermark-Detection-SigLIP2 适用于以下场景:

• 内容审核 – 自动检测图片分享平台上的含水印内容。
• 数据集清洗 – 从训练数据集中过滤掉含水印的图像。
• 版权保护 – 监控并标记含水印媒体的使用情况。
• 数字取证 – 支持对被篡改或受保护的媒体资产进行分析。