[發(fā)明專利]禁忌圖片識(shí)別方法、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210405635.4
• 申請(qǐng)日: 2022-04-18
• 公開（公告）號(hào): CN115546824A
• 公開（公告）日: 2022-12-30
• 發(fā)明（設(shè)計(jì)）人: 石英男
• 申請(qǐng)（專利權(quán)）人: 榮耀終端有限公司
• 主分類號(hào): G06V40/10
• 分類號(hào): G06V40/10;G06V10/764;G06V10/82;G06V10/28;G06V10/32;G06K9/62;G06N3/04;G06N3/08;G06N20/00;G06N20/10
• 代理公司: 北京潤澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 王洪

1.一種禁忌圖片識(shí)別方法，其特征在于，所述方法包括：

獲取操作系統(tǒng)中涉及的圖片資源；

根據(jù)人像識(shí)別模型識(shí)別出所述圖片資源中的女性圖片資源，所述女性圖片資源為所述圖片資源中包括女性的圖片資源；

根據(jù)裸露皮膚程度檢測(cè)模型確定所述女性圖片資源的裸露分?jǐn)?shù)；

根據(jù)裸露閾值和所述裸露分?jǐn)?shù)，確定所述女性圖片資源是否為禁忌圖片。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述人像識(shí)別模型基于YoloV5網(wǎng)絡(luò)對(duì)COCO數(shù)據(jù)集中人像類別的圖片資源訓(xùn)練獲得。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述裸露皮膚程度檢測(cè)模型基于殘差網(wǎng)絡(luò)ResNet50的NSFW框架對(duì)Imagenet數(shù)據(jù)集中的數(shù)據(jù)訓(xùn)練獲得。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

根據(jù)禁忌動(dòng)物識(shí)別模型識(shí)別出所述圖片資源中的禁忌動(dòng)物圖片資源，所述禁忌動(dòng)物圖片資源為所述圖片資源中包括禁忌動(dòng)物的圖片資源；

其中，所述禁忌動(dòng)物識(shí)別模型基于ResNext卷積神經(jīng)網(wǎng)絡(luò)對(duì)Imagenet數(shù)據(jù)集中的數(shù)據(jù)和網(wǎng)絡(luò)爬取的禁忌動(dòng)物的圖片數(shù)據(jù)訓(xùn)練獲得。

5.根據(jù)權(quán)利要求1或4所述的方法，其特征在于，所述方法還包括：

根據(jù)禁忌旗幟識(shí)別模型識(shí)別出所述圖片資源中的禁忌旗幟圖片資源，所述禁忌旗幟圖片資源為所述圖片資源中包括禁忌旗幟的圖片資源，所述禁忌旗幟識(shí)別模型為YoloV3框架結(jié)構(gòu)；

和/或，

根據(jù)敏感地區(qū)識(shí)別模型識(shí)別出所述圖片資源中的敏感地區(qū)圖片資源，所述敏感地區(qū)圖片資源為所述圖片資源中包括敏感地區(qū)的圖片資源，所述敏感地區(qū)識(shí)別模型為YoloV3框架結(jié)構(gòu)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：

在確定所述圖片資源為禁忌圖片時(shí)，根據(jù)所述圖片資源的名稱、路徑地址和可視化的所述圖片資源生成可視化警告報(bào)告；

將所述可視化警告報(bào)告提交人工復(fù)核；

在接收到復(fù)核人員提交的復(fù)核信息時(shí)，響應(yīng)于復(fù)核人員提交的復(fù)核信息，將復(fù)核人員確定的禁忌圖片從所述操作系統(tǒng)中刪除。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在所述獲取操作系統(tǒng)中涉及的圖片資源之后，所述方法還包括：

根據(jù)自學(xué)習(xí)后的ResNet50卷積神經(jīng)網(wǎng)絡(luò)模型從所述圖片資源中提取特征信息；

根據(jù)自學(xué)習(xí)后的一分類模型對(duì)所述特征信息進(jìn)行分類處理，識(shí)別出誤報(bào)圖片資源，所述誤報(bào)圖片資源為經(jīng)復(fù)核人員復(fù)核后確定的不是禁忌圖片的圖片資源；

將所述誤報(bào)圖片資源從所述圖片資源中過濾掉。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述方法還包括：

根據(jù)復(fù)核人員提交的所述復(fù)核信息，確定所述可視化警告報(bào)告中的所述誤報(bào)圖片資源；

根據(jù)所述誤報(bào)圖片資源構(gòu)建學(xué)習(xí)數(shù)據(jù)集；

基于學(xué)習(xí)數(shù)據(jù)集中的數(shù)據(jù)對(duì)ResNet50卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行過采樣訓(xùn)練，得到自學(xué)習(xí)后的ResNet50卷積神經(jīng)網(wǎng)絡(luò)模型；

基于學(xué)習(xí)數(shù)據(jù)集中的數(shù)據(jù)對(duì)一分類模型進(jìn)行過擬合訓(xùn)練，得到自學(xué)習(xí)后的一分類模型。

9.根據(jù)權(quán)利要求5所述的方法，其特征在于，在所述獲取操作系統(tǒng)中涉及的圖片資源之后，所述方法還包括：

對(duì)所述圖片資源進(jìn)行預(yù)處理，統(tǒng)一所述圖片資源的尺寸、通道數(shù)。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，在所述對(duì)所述圖片資源進(jìn)行預(yù)處理，統(tǒng)一所述圖片資源的尺寸、通道數(shù)之前，所述方法還包括：

確定所述圖片資源的格式；

在所述圖片資源的格式為矢量可繪制對(duì)象DVG格式時(shí)，改編所述圖片資源的屬性和值，將所述圖片資源從所述DVG格式轉(zhuǎn)換為可縮放的矢量圖像格式SVG；

將所述SVG格式的所述圖片資源轉(zhuǎn)換為便攜式網(wǎng)絡(luò)圖形PNG格式。