[發(fā)明專利]基于人工智能的低俗圖像識別方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202110239540.5
• 申請日: 2021-03-04
• 公開（公告）號: CN115019336A
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計）人: 侯昊迪;余亭浩;張紹明;陳少華
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/40;G06V10/75;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/08
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 李昂;張穎玲

1.一種基于人工智能的低俗圖像識別方法，其特征在于，包括：

對圖像進(jìn)行人體層級的分類處理，得到人體預(yù)測區(qū)域以及對應(yīng)的人體類別；

對所述圖像進(jìn)行部位層級的分類處理，得到至少一個部位預(yù)測區(qū)域、以及每個所述部位預(yù)測區(qū)域?qū)?yīng)的部位類別；

將所述人體預(yù)測區(qū)域與所述至少一個部位預(yù)測區(qū)域進(jìn)行位置匹配處理，得到與所述人體預(yù)測區(qū)域匹配成功的部位預(yù)測區(qū)域；

根據(jù)所述人體預(yù)測區(qū)域?qū)?yīng)的人體類別、以及所述匹配成功的部位預(yù)測區(qū)域?qū)?yīng)的部位類別，確定所述圖像的低俗圖像識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對圖像進(jìn)行人體層級的分類處理，得到人體預(yù)測區(qū)域以及對應(yīng)的人體類別，包括：

通過人體分類模型對所述圖像的圖像特征進(jìn)行分類處理，得到人體預(yù)測區(qū)域以及所述人體預(yù)測區(qū)域?qū)?yīng)多種候選人體類別的概率；

將概率最大的候選人體類別作為所述人體預(yù)測區(qū)域?qū)?yīng)的人體類別；

所述對所述圖像進(jìn)行部位層級的分類處理，得到至少一個部位預(yù)測區(qū)域、以及每個所述部位預(yù)測區(qū)域?qū)?yīng)的部位類別，包括：

通過部位分類模型對所述圖像的圖像特征進(jìn)行分類處理，得到至少一個部位預(yù)測區(qū)域、以及每個所述部位預(yù)測區(qū)域?qū)?yīng)多種候選部位類別的概率；

針對每個所述部位預(yù)測區(qū)域，將概率最大的候選部位類別作為所述部位預(yù)測區(qū)域?qū)?yīng)的部位類別。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過人體分類模型對所述圖像的圖像特征進(jìn)行分類處理之前，所述方法還包括：

通過特征提取模型對所述圖像進(jìn)行特征提取處理，得到多個尺度的特征圖；

通過特征融合模型對所述多個尺度的特征圖進(jìn)行融合處理，得到所述圖像的圖像特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述通過特征提取模型對所述圖像進(jìn)行特征提取處理之前，所述方法還包括：

獲取樣本圖像、所述樣本圖像在所述人體層級的樣本分類結(jié)果、以及所述樣本圖像在所述部位層級的樣本分類結(jié)果；

通過低俗圖像識別模型對所述樣本圖像進(jìn)行前向傳播處理，得到所述樣本圖像在所述人體層級的待對比分類結(jié)果、以及所述樣本圖像在所述部位層級的待對比分類結(jié)果；

根據(jù)所述人體層級的樣本分類結(jié)果以及所述人體層級的待對比分類結(jié)果，確定所述人體層級的損失值，并根據(jù)所述部位層級的樣本分類結(jié)果以及所述部位層級的待對比分類結(jié)果，確定所述部位層級的損失值；

對所述人體層級的損失值及所述部位層級的損失值進(jìn)行加權(quán)處理，并根據(jù)得到的加權(quán)損失值在所述低俗圖像識別模型中進(jìn)行反向傳播處理，以訓(xùn)練所述低俗圖像識別模型；

其中，所述低俗圖像識別模型包括所述特征提取模型、所述特征融合模型、所述人體分類模型及所述部位分類模型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述獲取樣本圖像、所述樣本圖像在所述人體層級的樣本分類結(jié)果、以及所述樣本圖像在所述部位層級的樣本分類結(jié)果之后，所述方法還包括：

將包括多個數(shù)據(jù)樣本的樣本集劃分為訓(xùn)練集和驗(yàn)證集；

其中，所述數(shù)據(jù)樣本包括一個樣本圖像、所述樣本圖像在所述人體層級的樣本分類結(jié)果、以及所述樣本圖像在所述部位層級的樣本分類結(jié)果；

其中，所述訓(xùn)練集用于訓(xùn)練所述低俗圖像識別模型；

所述方法還包括：

根據(jù)所述驗(yàn)證集確定訓(xùn)練后的所述低俗圖像識別模型的驗(yàn)證模型指標(biāo)；

當(dāng)所述驗(yàn)證模型指標(biāo)小于或等于指標(biāo)閾值時，根據(jù)所述訓(xùn)練集對訓(xùn)練后的所述低俗圖像識別模型再次進(jìn)行訓(xùn)練；

當(dāng)所述驗(yàn)證模型指標(biāo)大于所述指標(biāo)閾值時，確定訓(xùn)練后的所述低俗圖像識別模型訓(xùn)練完成。