[發明專利]圖像內容的識別方法、圖像識別模型的訓練方法及介質

在審

• 申請號: 202011261377.4
• 申請日: 2020-11-12
• 公開（公告）號: CN112257665A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 彭健騰
• 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
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 徐立

本申請是關于一種圖像內容的識別方法、圖像識別模型的訓練方法及介質，屬于圖像識別領域。所述方法包括：將目標圖像輸入至圖像識別模型，得到目標特征；將所述目標特征輸入至檢測器，得到目標檢測結果，所述檢測器用于根據所述目標特征確定所述目標圖像中的目標圖像內容包含情況；所述圖像識別模型是通過對融合特征進行比對識別，并根據所述比對識別的結果更新所述圖像識別模型，直至所述圖像識別模型收斂得到。通過對融合后的特征進行比對識別，并更新圖像識別模型，降低了目標圖像內容樣本的數據收集難度，提高圖像識別模型的訓練效率。

技術領域

本申請涉及圖像識別領域，特別涉及一種圖像內容的識別方法、圖像識別模型的訓練方法及介質。

背景技術

在線上內容的審核技術中，包括對視頻或圖像的內容進行審核，保證其不含違規內容，才會進行視頻或圖像的展示，例如，某些視頻網站禁止視頻內容中出現紋身相關的內容。

在相關技術中，主要基于深度學習的分類方法，訓練一個分類器用于檢測圖像中是否存在紋身。或通過人工審核進行判斷視頻或圖像內容中是否包括紋身。

然而，這種訓練方法依賴于大量的紋身數據，但由于線上的紋身數據收集較為困難，訓練方法具有局限性，其分類器的訓練效率較低，且通過較少紋身數據訓練出的分類器，其識別準確度不高，而通過人工審核來識別，又會導致識別效率不高，且造成人力資源的浪費。

發明內容

本申請實施例提供了一種圖像內容的識別方法、圖像識別模型的訓練方法及介質，能夠提高圖像識別模型的訓練效率。所述技術方案如下：

一方面，提供了一種圖像內容的識別方法，所述方法包括：

將目標圖像輸入至圖像識別模型，得到目標特征；

將所述目標特征輸入至檢測器，得到目標檢測結果，所述檢測器用于根據所述目標特征確定所述目標圖像中的目標圖像內容包含情況；

所述圖像識別模型是通過對融合特征進行比對識別，并根據所述比對識別的結果更新所述圖像識別模型，直至所述圖像識別模型收斂得到。

另一方面，提供了一種圖像識別模型的訓練方法，所述圖像識別模型用于對目標圖像內容進行識別，應用于計算機設備，所述方法包括：

獲取訓練圖像集，所述訓練圖像集中包括第一訓練圖像和第二訓練圖像；

通過所述圖像識別模型提取所述第一訓練圖像的第一特征和所述第二訓練圖像的第二特征；

識別所述第一特征的第一識別結果和所述第二特征的第二識別結果，所述圖像識別模型用于對目標圖像內容進行識別；

對所述第一特征和所述第二特征融合后的融合特征進行比對識別，得到第三識別結果；

基于所述第一識別結果、所述第二識別結果和所述第三識別結果得到損失值，對所述圖像識別模型進行訓練。

在一個可選的實施例中，所述對所述第一特征和所述第二特征融合后的融合特征進行比對識別，得到第三識別結果，包括：

對所述融合特征進行第一比對識別，得到第一比對識別結果，所述第一比對識別結果用于表示所述第一訓練圖像和所述第二訓練圖像中所述目標圖像內容的相似度。

在一個可選的實施例中，所述對所述第一特征和所述第二特征融合后的融合特征進行比對識別，得到第三識別結果，包括：

對所述融合特征進行第二比對識別，得到第二比對識別結果，所述第二比對識別結果用于表示所述第一訓練圖像中的所述目標圖像內容對應尺寸與所述第二訓練圖像中的所述目標圖像內容對應尺寸的大小關系。

在一個可選的實施例中，所述基于所述第一識別結果、所述第二識別結果和所述第三識別結果得到損失值，對所述圖像識別模型進行訓練，包括：