生成图像分类模型的方法、图像分类方法、装置和设备制造方法及图纸

本申请的实施方式提供了一种生成图像分类模型的方法、图像分类方法、装置和设备，该方法包括：基于第一图像训练数据集训练第一神经网络，提取第一神经网络在至少一个目标层上的第一网络参数作为第一目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第一图像分类子模型；基于第二图像训练数据集训练第二神经网络，获得第二图像分类子模型；将第一图像分类子模型和第二图像分类子模型融合形成目标图像分类模型。利用本申请实施例生成的图像分类模型能够对待检测的图像进行分类。

【技术实现步骤摘要】
生成图像分类模型的方法、图像分类方法、装置和设备
本申请的实施方式涉及计算机视觉
，具体地，本申请的实施方式涉及生成图像分类模型的方法、图像分类方法、装置、设备和非易失性计算机可读存储介质。
技术介绍
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。为加强网络内容安全和反垃圾自动审核，通常需对广告图像进行精准高效的过滤，目前常用的广告图像识别检测方案主要包括两大类：第一类是基于OCR(OpticalCharacterRecognition，光学字符识别)技术对图像中的文字信息进行语义分析，第二类是基于图像分类或检测算法提取图像的全局或局部特征进行分析判断。但是，第一类方案中OCR处理过程耗时较长，算法速度明显受限，且算法容易受到艺术字、变形文字广告的攻击，容易引起漏判。第二类方案是从图像角度出发，若采用单一的分类或检测模型处理，所提取的图像特征不够全面；若采用多模型先单独训练再进行整合的方式来处理，又会成倍增加算法计算时间，处理效率低；若采用多任务学习(Multi-t本文档来自技高网...

【技术保护点】
1.一种生成图像分类模型的方法，其特征在于，包括：/n基于第一图像训练数据集训练第一神经网络，提取第一神经网络在至少一个目标层上的第一网络参数作为第一目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第一图像分类子模型；/n基于第二图像训练数据集训练第二神经网络，所述第二神经网络具有与所述第一神经网络的至少一个目标层相对应的层，在该对应的层上同样提取第一网络参数作为第二目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第二图像分类子模型；/n将所述第一图像分类子模型和所述第二图像分类子模型融合形成目标图像分类模型，所述目标图像分类模型用于对待检测...

【技术特征摘要】
1.一种生成图像分类模型的方法，其特征在于，包括：
基于第一图像训练数据集训练第一神经网络，提取第一神经网络在至少一个目标层上的第一网络参数作为第一目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第一图像分类子模型；
基于第二图像训练数据集训练第二神经网络，所述第二神经网络具有与所述第一神经网络的至少一个目标层相对应的层，在该对应的层上同样提取第一网络参数作为第二目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第二图像分类子模型；
将所述第一图像分类子模型和所述第二图像分类子模型融合形成目标图像分类模型，所述目标图像分类模型用于对待检测的图像进行分类。


2.根据权利要求1所述的方法，其特征在于，
所述第一图像训练数据集包括经过标注的图像，标注数据用于表征图像中是否包括联系方式信息；
所述第二图像训练数据集包括经过标注的图像，标注数据用于表征以下至少一项：图像中是否包括广告图标信息、图像中是否包括广告文本信息、图像中是否包括图像篡改信息。


3.一种生成图像分类模型的装置，其特征在于，包括：
第一训练模块，用于基于第一图像训练数据集训练第一神经网络，提取第一神经网络在至少一个目标层上的第一网络参数作为第一目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第一图像分类子模型；
第二训练模块，用于基于第二图像训练数据集训练第二神经网络，所述第二神经网络具有与所述第一神经网络的至少一个目标层相对应的层，在该对应的层上同样提取第一网络参数作为第二目标特征，保持该层的第一网络参数不变，并迭代后续层上的其他网络参数，以获得第二图像分类子模型；
融合处理模块，用于将所述第一图像分类子模型和所述第二图像分类子模型融合形成目标图像分类模型，所述目标图像分类模型用于对待检测的图像进行分类。


4.一种图像分类装置，其特征在于，所述图像分类装置基于由权利要求3所述的方法生成的图像分类模型，所述图像分类装置包括图像接收模块、图像分类模型和分析处理模块，其中，
所述图像接收模块用于接收待检测图像，并将所述待检测图像发送给所述图像分类模型中的所述至少一个目标层，
所述图像分类模型中的所述第一图像分类子模型和所述第二图像分类子模型共用所述至少一个目标层，
所述分析处理模块用于按照预设规则对所述第一图像分类子模型的输出和所述第二图像分类子模型的输出进行分析处理，以得到所述待检测图像的分类结果。


5.一种图像分类方法，其特征在于，所述图像分类方法基于如权利要求4所述的图像分类装置，所述图像分类方法包括：
图像接收模块接收待检测图像，并将所述待检测图像输入所述图像分类模型的所述至少一个目标层，
图像分类模型接收所述第一图像分类子模型的输出和所述第二图像分类子模型的输出；
分析处理模块按照预设规则对所述第一图像分类子模型的输出和所述第二图像分类子模型的输出进行分析处理，以得到所述待检测图像的分类结果。


6.一种生成图像分类模型的方法，其特征在于，包括：
基于第一图像训练数据集训练第一神经网络，提取第一神经网络在至少第一目标层上的第一网络参数作为第...

【专利技术属性】
技术研发人员：崔若璇，魏凯峰，李雨珂，杨卫强，朱浩齐，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：浙江;33