[發明專利]信息處理方法及裝置、電子設備和計算機可讀介質

在審

• 申請號: 201811337624.7
• 申請日: 2018-11-13
• 公開（公告）號: CN109754306A
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 徐濤;吳楠;武永寬;賀斌;王春捷
• 申請（專利權）人: 北京碼牛科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/26;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種信息處理方法，其特征在于，包括：

獲取自同一來源采集的待檢測的圖像信息和文字信息；

將所述圖像信息輸入至訓練好的深度卷積神經網絡模型，并將所述文字信息輸入至訓練好的遞歸神經網絡模型；

利用所述深度卷積神經網絡模型輸出所述圖像信息是否包括毒品信息的第一預測結果，并通過所述遞歸神經網絡模型輸出所述文字信息是否包括毒品信息的第二預測結果；

根據所述第一預測結果和所述第二預測結果判斷所述圖像信息和文字信息是否包括毒品信息。

2.如權利要求1所述的方法，其特征在于，若所述圖像信息包括多幀目標圖像，則利用所述深度卷積神經網絡模型輸出所述圖像信息是否包括毒品信息的第一預測結果，包括：

通過所述深度卷積神經網絡依次輸出各幀目標圖像是否包括毒品信息的第一預測子結果；

根據各幀目標圖像的第一預測子結果統計所述多幀目標圖像中包括毒品信息的目標圖像數量；

若所述多幀目標圖像中包括毒品信息的目標圖像數量超過設定閾值，則判定所述第一預測結果為所述圖像信息包括毒品信息。

3.如權利要求2所述的方法，其特征在于，還包括：

采集來自同一來源的視頻信息；

對所述視頻信息執行解幀操作，獲得多幀圖像；

對所述多幀圖像進行抽幀操作，獲得所述多幀目標圖像。

4.如權利要求1所述的方法，其特征在于，還包括：

獲取標注為包括毒品信息的正圖片樣本數據和標注為不包括毒品信息的負圖片樣本數據；

根據所述正圖片樣本數據和所述負圖片樣本數據訓練所述深度卷積神經網絡模型。

5.如權利要求1所述的方法，其特征在于，還包括：

獲取標注為包括毒品信息的正文字樣本數據和標注為不包括毒品信息的負文字樣本數據；

根據所述正文字樣本數據和所述負文字樣本數據訓練所述遞歸神經網絡模型。

6.如權利要求1所述的方法，其特征在于，將所述文字信息輸入至訓練好的遞歸神經網絡模型，包括：

提取所述文字信息的詞向量；

根據所述文字信息的詞向量獲得所述文字信息的句向量；

輸入所述文字信息的句向量至所述遞歸神經網絡模型。

7.如權利要求1所述的方法，其特征在于，所述同一來源包括同一電子商務購物平臺的同一商品頁面和/或同一即時通訊平臺的預設時段內的同一聊天記錄。

8.一種信息處理裝置，其特征在于，包括：

圖像文字信息獲取模塊，配置為獲取自同一來源采集的待檢測的圖像信息和文字信息；

圖像文字信息輸入模塊，配置為將所述圖像信息輸入至訓練好的深度卷積神經網絡模型，并將所述文字信息輸入至訓練好的遞歸神經網絡模型；

圖像文字信息預測模塊，配置為利用所述深度卷積神經網絡模型輸出所述圖像信息是否包括毒品信息的第一預測結果，并通過所述遞歸神經網絡模型輸出所述文字信息是否包括毒品信息的第二預測結果；

圖像文字信息判斷模塊，配置為根據所述第一預測結果和所述第二預測結果判斷所述圖像信息和文字信息是否包括毒品信息。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的方法。