[發明專利]圖像識別方法、裝置和存儲介質

在審

• 申請號: 202011070422.8
• 申請日: 2020-10-09
• 公開（公告）號: CN112149608A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 沈偉
• 申請（專利權）人: 騰訊科技（深圳）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: 中國專利代理(香港)有限公司 72001
• 代理人: 孫之剛;陳嵐

1.一種圖像識別方法，包括：

獲取待識別圖像；

利用經訓練的神經網絡對所述圖像進行識別，確定所述圖像是否為偽造圖像；

其中所述神經網絡包括構成生成對抗網絡的生成器和分類器并利用下述步驟進行訓練：

獲取包括多個原始圖像的原始圖像組和每個原始圖像的標簽，所述原始圖像包括真實圖像和與所述真實圖像相對應的偽造圖像；

對于每個原始圖像，利用所述分類器針對所述原始圖像獲得第一類型噪聲來構建關聯的第一加噪圖像，和利用所述生成對抗網絡針對所述原始圖像獲得第二類型噪聲來構建關聯的第二加噪圖像；

基于所述原始圖像及其關聯的第一加噪圖像和第二加噪圖像建立訓練集；和

基于所述訓練集對所述神經網絡進行訓練，以得到所述神經網絡的參數。

2.根據權利要求1所述的方法，其中利用所述分類器針對所述原始圖像獲得第一類型噪聲包括：

反轉所述原始圖像的標簽；

將具有反轉標簽的原始圖像輸入所述分類器并利用分類損失函數計算梯度信息；和

反向傳播所述梯度信息作為所述第一類型噪聲。

3.根據權利要求2所述的方法，其中所述反轉所述原始圖像的標簽包括：

將所述原始圖像中的所述真實圖像與第一標簽相對應和所述偽造圖像與第二標簽相對應反轉成所述真實圖像與所述第二標簽相對應和所述偽造圖像與所述第一標簽相對應。

4.根據權利要求1或2所述的方法，其中利用生成對抗網絡針對所述原始圖像獲得第二類型噪聲包括：

對所述生成器和所述第二類型噪聲進行隨機初始化；

將真實圖像與所述生成器輸出的第二類型噪聲疊加生成加噪真實圖像，和將偽造圖像與所述生成器輸出的第二類型噪聲疊加生成加噪偽造圖像；

利用具有第一標簽的真實圖像、具有第二標簽的偽造圖像、具有第三標簽的加噪真實圖像和具有第四標簽的加噪偽造圖像作為訓練圖像來訓練所述分類器；

將具有第一標簽的加噪真實圖像和具有第二標簽的加噪偽造圖像輸入所述經訓練的分類器并利用相應的分類損失函數計算梯度信息；

反向傳播所述梯度信息來訓練所述生成器；

使用經訓練的生成器的輸出作為所述第二類型噪聲。

5.根據權利要求1或2所述的方法，其中利用生成對抗網絡針對所述原始圖像獲得第二類型噪聲包括：

對所述生成器和所述第二類型噪聲進行隨機初始化；

將真實圖像與所述第一類型噪聲及所述生成器輸出的第二類型噪聲疊加生成加噪真實圖像，和將偽造圖像與所述第一類型噪聲及所述生成器輸出的第二類型噪聲疊加生成加噪偽造圖像；

利用具有第一標簽的真實圖像、具有第二標簽的偽造圖像、具有第三標簽的加噪真實圖像和具有第四標簽的加噪偽造圖像作為訓練圖像來訓練所述分類器；

將具有第一標簽的加噪真實圖像和具有第二標簽的加噪偽造圖像輸入所述經訓練的分類器并利用相應的分類損失函數計算梯度信息；

反向傳播所述梯度信息來訓練所述生成器；

使用經訓練的生成器的輸出作為所述第二類型噪聲。

6. 根據權利要求1所述的方法，其中所述構建關聯的第一加噪圖像和第二加噪圖像通過下述方式：

每張原始圖像與所述第一類型噪聲分別以α和（1-α）作為權重進行加權疊加，得到所述第一加噪圖像；和

每張原始圖像與所述第二類型噪聲分別以β和（1-β）作為權重進行加權疊加，得到所述第二加噪圖像；

其中α、β均為0-1之間的隨機值。

7.根據權利要求1所述的方法，其中所述原始圖像包括的與所述真實圖像相對應的偽造圖像為在所述真實圖像的基礎上進行了人臉替換后得到的偽造圖像。