[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?？萍加邢薰?/a>
• 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

本申請公開一種信息處理方法及裝置、電子設備和計算機可讀介質。涉及計算機信息處理和通信領域，所述信息處理方法包括：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。

技術領域

本發明涉及計算機信息處理和通信領域，具體而言，涉及一種信息處理方法及裝置、電子設備和計算機可讀介質。

背景技術

禁毒工作一直以來是全世界各國均很為重視的社會問題，隨著信息網絡技術和通信技術的日新月異，違法犯罪分子也越來越多的開始利用網絡平臺，例如電子商務購物平臺或者即時通訊平臺進行各種倒賣倒買毒品的違法交易活動。

由于通常違法犯罪分子通過網絡平臺進行毒品交易活動，其在網絡上輸入的文字、上傳的視頻和圖片并不會直接以明顯的字眼表明這是毒品，而是用一些內部代號或者暗語等來代替，這也使得識別毒品交易活動的工作變得困難重重。

因此，需要一種新的信息處理方法及裝置、電子設備和計算機可讀介質。

在所述背景技術部分公開的上述信息僅用于加強對本發明的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

有鑒于此，本發明提供一種信息處理方法及裝置、電子設備和計算機可讀介質，能夠自動準確地識別網絡平臺上的圖像信息和文字信息是否包括毒品信息。

本發明的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本發明的實踐而習得。

根據本發明的一方面，提出一種信息處理方法，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。

在本發明的一種示例性實施例中，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。

在本發明的一種示例性實施例中，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。

在本發明的一種示例性實施例中，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。

在本發明的一種示例性實施例中，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。

在本發明的一種示例性實施例中，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。