【技术实现步骤摘要】
一种基于卷积神经网络的照片背景相似度聚类方法及计算机
本专利技术属于图形处理
,具体而言,为一种基于卷积神经网络的照片背景相似度聚类方法及计算机。
技术介绍
支付作为消费者与销售者之间金融交换,涉及到金钱相关的环节,作为第三方支付公司,首先是要保证用户账户和支付的安全,多分市场研究报告指出:全球每年欺诈损失总额大概超过500亿美元。仅去年一年,全球信用卡、借记卡、预付卡和私有品牌支付卡的损失就高达163.1亿美元。电子零售商和批发商因欺诈损失的金额占其年收入的7.5%以上,每年保险欺诈(不包括健康险)的损失总额大概超过400亿美元。DataVisor研究表明,大规模的资金风险都具有“抱团围攻”的现象,黑产欺诈人员会先通过虚假注册、身份盗用等形式获取大批账号的使用权,然后利用群控软件或者网络众包的形式进行团伙欺诈,他们常用猫池、手机墙、模拟器、刷机等手段和工具躲避传统黑名单和基于设备规则的检测。在实际业务当中,为了对用户进行实名验证需用户上传手持身份证好评,然而我们发现欺诈团伙上传的照片存在类似的背景,比如在同一个酒店房间等。对于此类欺团伙欺诈行为,人工审核时存在一定难度。由于样本的多样性和不规则性,随着待审核的证照数量的增加,人工审核的难度急剧上升,并且该场景下难以进行任务分割和并行执行。经查阅,发现国内外相关照片仅有针对照片相似度的分析应用。在应用场景上,2018年云栖大会上,阿里淘宝针对退货场景当中用户上传的图片进行相似分析,以解决用户欺诈问题。另外,在腾讯手机管家当中,用户通过选择“相似照片”就可 ...
【技术保护点】
1.一种基于卷积神经网络的照片背景相似度聚类方法,其特征在于,包括如下步骤:/n基于卷积神经网络算法对原始图像预处理以校正原始图像中的识别目标的方向;/n将原始图像中包含所述识别目标的前景图像特征与背景图像特征进行实例分割,进行背景提取;/n将进行实例分割的图像进行背景分离;/n对分离的背景图像进行特征提取获得高维空间特征图;/n对高维空间特征图进行相似度聚类处理。/n
【技术特征摘要】
1.一种基于卷积神经网络的照片背景相似度聚类方法,其特征在于,包括如下步骤:
基于卷积神经网络算法对原始图像预处理以校正原始图像中的识别目标的方向;
将原始图像中包含所述识别目标的前景图像特征与背景图像特征进行实例分割,进行背景提取;
将进行实例分割的图像进行背景分离;
对分离的背景图像进行特征提取获得高维空间特征图;
对高维空间特征图进行相似度聚类处理。
2.根据权利要求1所述的基于卷积神经网络的照片背景相似度聚类方法,其特征在于,所述基于卷积神经网络算法对原始图像预处理以校正原始图像中的识别目标的方向,包括:
通过开源数据集与原始图像中的场景进行匹配,确定识别目标;
基于多任务级联卷积神经网络算法校正原始图像中的识别目标方向。
3.根据权利要求2所述的基于卷积神经网络的照片背景相似度聚类方法,其特征在于,所述将原始图像中包含所述识别目标的前景图像特征与背景图像特征进行实例分割,进行背景提取,包括:
根据原始图像预处理结果,确定包含所述识别目标的前景图像特征与背景图像特征;
利用MS-COCO目标识别数据集上预训练过的Mask-RCNN模型作为baseline模型,基于少量人工标注的包含所述识别目标类别实例的带标记的实例分割样本和自动合成的带背景的识别目标实例分割样本做迁移学习,训练得到针对识别目标类别实例的所述原始图像所属场景下的实例分割模型;
在测试时将原始图像中被实例分割模型检测到的mask部分切除,获得背景图像。
4.根据权利要求3所述的基于卷积神经网络的照片背景相似度聚类方法,其特征在于,所述对分离的背景图像进行特征提取获得高维空间特征图,包括:
针对用于特征提取的卷积神经网络的输入对获得的背景图像进行预处理,获取标注分辨率图像;
通过卷积神经网络模型对预处理的背景图像进行特征提取;获得高维空间特征图。
5.根据权利要求4所述的基于卷积神经网络的照片背景相似度聚类方法,其特征在于,所述对高维空间特征图进行相似度聚类处理,包括:
多张原始图像分别处理后得到背景图像中获得的高维空间特征图,构成点对矩阵,其中点与点用欧式距离进行距离度量,以此对输入的高维空间特征图进行层次聚类,将相似度高于预设阈值的特征矢量对应的原始图像聚为一类,即判定该类图像中包含的背景图像具有相似性。
6.根据权利要求1-5任意项所述的基于卷积神经网络的照片背景相似度聚类方法,其特征在于,所述原始图像为包含人脸和身份证的手持身份证图像;所述识别目标为人脸和/或身份证。...
【专利技术属性】
技术研发人员:周晔,穆海洁,张锦涛,
申请(专利权)人:上海汇付数据服务有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。