Las redes neuronales convolucionales (CNNs) con diferentes capas han mostrado excelentes resultados en la eliminación de marcas de agua. Sin embargo, es muy importante saber cómo extraer características robustas y efectivas a través de CNNs de caja negra en la eliminación de marcas de agua. En este documento, proponemos un U-net mejorado para la eliminación de marcas de agua (IWRU-net). Teniendo en cuenta la robustez de la información obtenida, se diseña una arquitectura en serie para facilitar información útil que garantice el rendimiento en la eliminación de marcas de agua. Considerando el problema de la dependencia a largo plazo, los componentes simples basados en U-nets se integran en la arquitectura en serie para extraer información jerárquica más relevante para abordar problemas de eliminación de marcas de agua. Para aumentar la adaptabilidad de IWRU-net al mundo real, utilizamos marcas de agua ciegas distribuidas aleatoriamente para implementar un modelo de eliminación de marcas de agua ciegas. Los resultados experimentales ilustran que el método propuesto es superior a otros métodos populares de eliminación de marcas de agua en términos de evaluaciones cuantitativas y cualitativas.