[發明專利]多媒體數據檢測方法及裝置

有效

• 申請號: 201611064769.5
• 申請日: 2016-11-28
• 公開（公告）號: CN106776842B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 胡易;余宗橋;郭曉威
• 申請（專利權）人: 騰訊科技（上海）有限公司
• 主分類號: G06F16/435
• 分類號: G06F16/435;G06F16/45;G06F16/9536
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 朱雅男

1.一種多媒體數據檢測方法，其特征在于，所述方法包括：

獲取待檢測的多媒體數據；

基于第一分類模型對所述多媒體數據執行敏感數據檢測處理，得到所述多媒體數據為敏感數據的第一敏感概率；

若所述第一敏感概率大于第一預設閾值，則基于模型深度大于所述第一分類模型且與所述第一分類模型級聯的第二分類模型，對所述多媒體數據執行敏感數據檢測處理，得到所述多媒體數據為所述敏感數據的第二敏感概率；

若所述第二敏感概率大于第二預設閾值，則確定所述多媒體數據為所述敏感數據，

其中，所述第一分類模型包括第一數目個卷積核結構，每一個卷積核結構順次相連，每一個卷積核結構用來提取所述多媒體數據的不同區域的特征，所述第一數目個卷積核結構完成對所述多媒體數據的整體特征的提取，每一個卷積核結構中均包括第一卷積核和第二卷積核，所述第一卷積核的尺寸小于所述第二卷積核的尺寸，且每一個卷積核結構中的第一卷積核的權值與其他卷積核結構中的第一卷積核的權值不同，每一個卷積核結構中的第二卷積核的權值和其他卷積核結構中的第二卷積核的權值不同，并且所述第一卷積核和所述第二卷積核形成并聯結構，每一個卷積核結構輸出到下一級卷積核結構的中間特征矩陣，是通過對所述第一卷積核和所述第二卷積核分別卷積得到的兩個特征矩陣進行組合處理得到。

2.根據權利要求1所述的方法，其特征在于，

所述基于第一分類模型對所述多媒體數據執行敏感數據檢測處理，得到所述多媒體數據為敏感數據的第一敏感概率，包括：

對于所述第一分類模型的當前卷積核結構，獲取與其相連的上一個卷積核結構輸出的第一中間特征矩陣；

基于所述當前卷積核結構的第一卷積核，對所述第一中間特征矩陣進行卷積處理，得到第一特征矩陣；

基于所述當前卷積核結構的第二卷積核，對所述第一中間特征矩陣進行卷積處理，得到第二特征矩陣；

將所述第一特征矩陣和所述第二特征矩陣進行組合處理，得到第二中間特征矩陣，將所述第二中間特征矩陣輸入與所述當前卷積核結構相連的下一個卷積核結構，依次類推，重復執行對輸入的中間特征矩陣進行卷積處理的步驟，直至最后一個卷積核結構輸出第一目標特征矩陣；

根據所述第一目標特征矩陣，計算所述第一敏感概率；

其中，若所述當前卷積核結構為所述第一分類模型的首個卷積核結構，則所述第一中間特征矩陣為所述多媒體數據的原始特征矩陣。

3.根據權利要求1所述的方法，其特征在于，所述第一分類模型包括的所述第一數目個卷積核結構中，每一個卷積核結構中包括至少一個第三卷積核；

所述基于第一分類模型對所述多媒體數據執行敏感數據檢測處理，得到所述多媒體數據為敏感數據的第一敏感概率，包括：

對于所述第一分類模型的當前卷積核結構，獲取與其相連的上一個卷積核結構輸出的第三特征矩陣；

基于所述當前卷積核結構的至少一個第三卷積核，對所述第三特征矩陣中至少一個特征矩陣進行卷積處理，得到第四特征矩陣；

將所述第四特征矩陣輸入與所述當前卷積核結構相連的下一個卷積核結構，依次類推，重復執行對輸入的特征矩陣進行卷積處理的步驟，直至最后一個卷積核結構輸出第一目標特征矩陣；

根據所述第一目標特征矩陣，計算所述第一敏感概率；

其中，若所述當前卷積核結構為所述第一分類模型的首個卷積核結構，則所述第三特征矩陣為所述多媒體數據的原始特征矩陣。

4.根據權利要求2或3所述的方法，其特征在于，所述根據所述第一目標特征矩陣，計算所述第一敏感概率，包括：

基于所述第一目標特征矩陣，計算所述多媒體數據的第一特征向量；

獲取所述第一分類模型的第一分類矩陣，所述第一分類矩陣的行數與所述第一特征向量的列數相等，所述第一分類矩陣的列數與所述第一分類模型的分類類別的數目相等；

將所述第一特征向量與所述第一分類矩陣進行乘積運算，得到所述第一敏感概率。