[發明專利]敏感圖像鑒定方法及終端系統

有效

• 申請號: 201810929971.2
• 申請日: 2018-08-15
• 公開（公告）號: CN109145979B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 王西子;程峰;王士林;孫環榮;劉功申;周誠
• 申請（專利權）人: 上海嵩恒網絡科技股份有限公司;上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/774;G06N3/04
• 代理公司: 上海晨皓知識產權代理事務所(普通合伙) 31260
• 代理人: 成麗杰

1.一種敏感圖像鑒定方法，其特征在于，應用于敏感圖像鑒定系統，所述系統包括：骨干網絡、全局分類網絡以及目標區域檢測網絡，所述方法包括：

在有局部敏感區域標注的圖像訓練集上訓練所述目標區域檢測網絡得到骨干網絡參數；其中，所述骨干網絡參數為所述目標區域檢測網絡中與所述骨干網絡結構相同的網絡結構的網絡參數；

根據所述骨干網絡參數對所述全局分類網絡進行初始化；

在僅有類別標注的敏感圖像訓練集上對初始化后的所述全局分類網絡進行訓練；

采用訓練后的所述全局分類網絡進行敏感圖像分類。

2.根據權利要求1所述的敏感圖像鑒定方法，其特征在于，所述在有局部敏感區域標注的圖像訓練集上訓練所述目標區域檢測網絡得到骨干網絡參數，具體包括：

所述骨干網絡根據輸入的待檢測圖像輸出多個不同分辨率的特征圖；

所述目標區域檢測網絡對所述多個不同分辨率的特征圖進行預設處理以增強分辨率以及語義特征，并根據增強的特征圖計算得到標注的各個局部敏感區域包含敏感特征的概率及其坐標位置；

根據各個局部敏感區域包含敏感特征的概率及及其坐標位置的計算值與真實值比較，得到損失函數，調整所述目標區域檢測網絡網絡參數以最小化損失函數來確定所述骨干網絡參數。

3.根據權利要求2所述的敏感圖像鑒定方法，其特征在于，所述目標區域檢測網絡對所述多個不同分辨率的特征圖進行預設處理以增強分辨率以及語義特征，具體包括：

所述目標區域檢測網絡的每一層引入后一分辨率縮放兩倍的特征圖，并執行基于元素的相加操作；

在所述相加操作后，對最后一層特征圖進行多次卷積，每次卷積得到一個新增的特征圖；

所述多次卷積操作之間執行線性整流操作。

4.根據權利要求3所述的敏感圖像鑒定方法，其特征在于，所述并根據增強的特征圖計算得到敏感特征的概率，具體包括：

對特征圖新增后的所有特征圖進行卷積以及線性整流，分別提取每個特征圖；

提取的每個所述特征圖上的每一個點均為對應于預設數量檢測區域的錨點；

分別針對每個錨點進行敏感特征檢測得到每個錨點包含敏感特征的概率。

5.根據權利要求1所述的敏感圖像鑒定方法，其特征在于，所述系統的損失函數為所述目標區域檢測網絡的損失函數以及所述全局分類網絡的損失函數之和。

6.根據權利要求1所述的敏感圖像鑒定方法，其特征在于，所述采用訓練后的所述全局分類網絡進行敏感圖像分類，具體包括：

通過五層卷積層生成特征圖D₇；

每層卷積后均進行線性整流；

對D₇進行全局均值池化后連接到一個輸出為三單元的全連接層，對圖像進行三分類。

7.根據權利要求1所述的敏感圖像鑒定方法，其特征在于，所述系統的訓練采用多任務學習的方法。

8.根據權利要求1所述的敏感圖像鑒定方法，其特征在于，所述系統采用遞進學習策略進行訓練。

9.根據權利要求8所述的敏感圖像鑒定方法，其特征在于，所述遞進學習策略包括：

在有敏感區域標注的數據集D₁上訓練所述敏感圖像鑒定系統，同時更新所述骨干網絡、全局分類網絡以及目標區域檢測網絡的參數；

在僅有類別標注的數據集D₂上訓練，固定所述目標區域檢測網絡的參數，僅更新所述骨干網絡以及全局分類網絡的參數；

在所述D₁上訓練，固定所述全局分類網絡的參數，僅更新所述骨干網絡以及所述目標區域檢測網絡的參數；

重復所述在僅有類別標注的數據集D₂上訓練，固定所述目標區域檢測網絡的參數，僅更新所述骨干網絡以及全局分類網絡的參數以及

在所述D₁上訓練，固定所述全局分類網絡的參數，僅更新所述骨干網絡以及所述目標區域檢測網絡的參數直到網絡收斂。

10.一種敏感圖像鑒定終端系統，其特征在于，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如權利要求1至9中任一所述的敏感圖像鑒定方法。