[發明專利]一種基于卷積神經網絡的色情圖像識別方法

在審

• 申請號: 202010059493.1
• 申請日: 2020-01-19
• 公開（公告）號: CN111259823A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 房子毅;王堅;李兵;余昊楠;胡衛明
• 申請（專利權）人: 人民中科（山東）智能技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京世譽鑫誠專利代理事務所(普通合伙) 11368
• 代理人: 孫國棟

1.一種基于卷積神經網絡的色情圖像識別方法，其特征在于，包括：

將待識別的圖像輸入訓練過的卷積神經網絡，提取所述圖像的特征，生成特征圖像；

利用所述卷積神經網絡的分類模型對所述特征圖像進行識別，生成第一識別結果；

利用所述卷積神經網絡的目標檢測模型對所述特征圖像進行識別，生成第二識別結果；

利用所述卷積神經網絡的融合決策模型對所述第一識別結果及所述第二識別結果進行融合，得到最終的識別結果。

2.根據權利要求1所述基于卷積神經網絡的色情圖像識別方法，其特征在于，利用所述融合決策模型對所述第一識別結果及所述第二識別結果進行融合，得到最終的識別結果包括：

若所述第一識別結果及所述第二識別結果中有一個識別結果為判定所述圖像為色情圖像，則確定所述圖像為色情圖像。

3.根據權利要求1所述的基于卷積神經網絡的色情圖像識別方法，其特征在于，利用所述融合決策模型對所述第一識別結果及所述第二識別結果進行融合，得到最終的識別結果包括：

若所述第一識別結果及所述第二識別結果均判定所述圖像為正常圖像，則對所述圖像進行二次識別，得到最終的識別結果。

4.根據權利要求3所述的基于卷積神經網絡的色情圖像識別方法，其特征在于，對所述圖像進行二次識別并得到最終的識別結果包括：

利用所述分類模型計算所述圖像屬于色情圖像的概率并判斷所述概率是否大于設定的閾值，若是，則確定所述圖像為色情圖像。

5.根據權利要求1所述的基于卷積神經網絡的色情圖像識別方法，其特征在于，所述卷積神經網絡的訓練過程包括：

構造圖像數據集，其中，所述圖像數據集包括多張攜帶標識的圖像；

將所述圖像數據集輸入所述卷積神經網絡，對所述卷積神經網絡進行訓練。

6.根據權利要求1所述的基于卷積神經網絡的色情圖像識別方法，其特征在于，所述卷積神經網絡的訓練過程還包括：

選擇YOLOv2模型為目標檢測模型；

設置所述目標檢測模型錨框Anchorbox的大小和數量；

設計分類模型的網絡結構，減少共享網絡層的深度，增加分支網絡層的深度；

將所述目標檢測模型的損失函數設置為：

其中，N指的是錨框anchor-box的數量，y_l、y_j代表具體的類別，p_l、p_j代表各個類別的概率值，M為色情圖像的類別數量；

將所述分類模型的損失函數設置為：

其中，n代表分類類別總數，y_i代表具體的類別，p_i代表為各個類別的概率；

設置損失融合函數為Loss_t＝αLoss_d+βLoss_c，其中，α與β為目標檢測模型與分類模型的權重，α和β均大于等于1。

7.根據權利要求6所述的基于卷積神經網絡的色情圖像識別方法，其特征在于，所述卷積神經網絡的訓練過程還包括：

將所述目標檢測模型及所述分類模型合并為一個模型。

8.根據權利要求6所述的基于卷積神經網絡的色情圖像識別方法，其特征在于，所述卷積神經網絡的訓練過程還包括：

設計融合決策模型并將所述融合決策模型插入所述卷積神經網絡。

9.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-8所述的步驟。