图像分类方法及装置、通信设备及存储介质制造方法及图纸

本公开是关于一种图像分类方法及装置、通信设备及存储介质。所述图像分类方法包括：利用分类模型的特征提取部分提取待分类的目标图像的语义特征；利用所述分类模型的分类部分对所述语义特征进行处理，得到基于M分类的第一分类结果，其中，所述M为等于或大于3的正整数；基于所述第一分类结果，输出至少指示所述目标图像为低俗图像的程度分类信息，其中，所述低俗图像包括：色情图像、恐怖图像和/或暴力图像；具有实现了目标图像是否为低俗图像的判别的同时，实现了图像的程度细分类，具有分类精确度高的特点，可以满足细分类场景下的详细分类要求。

【技术实现步骤摘要】
图像分类方法及装置、通信设备及存储介质
本公开涉及计算机视觉
，尤其涉及一种图像分类方法及装置、通信设备及存储介质。
技术介绍
随着用户产生内容(UserGeneratedContent，UGC)内容爆发式增长，信息流产品占领越来越多的用户时间，而图片是信息表现最直接的载体。识别和屏蔽低俗内容，做好风险内容控制，净化图片载体是一个非常必要的工作。但随着图片审核技术的成熟，越来越多的内容创作者在色情擦边球内容创作上愈演愈烈。软色情和色情，正常和软色情的边界越来越模糊，这也给图片色情审核带来了很大的困难和挑战。
技术实现思路
本申请实施例公开了一种图像分类方法及装置、通信设备及存储介质。本申请实施例提供一种图像分类方法，包括：利用分类模型的特征提取部分提取待分类的目标图像的语义特征；利用所述分类模型的分类部分对所述语义特征进行处理，得到基于M分类的第一分类结果，其中，所述M为等于或大于3的正整数；基于所述第一分类结果，输出至少指示所述目标图像为低俗图像的程度分类信息，其中，所述低俗图像包括：本文档来自技高网...

【技术保护点】
1.一种图像分类方法，其特征在于，包括：/n利用分类模型的特征提取部分提取待分类的目标图像的语义特征；/n利用所述分类模型的分类部分对所述语义特征进行处理，得到基于M分类的第一分类结果，其中，所述M为等于或大于3的正整数；/n基于所述第一分类结果，输出至少指示所述目标图像为低俗图像的程度分类信息，其中，所述低俗图像包括：色情图像、恐怖图像和/或暴力图像。/n

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：
利用分类模型的特征提取部分提取待分类的目标图像的语义特征；
利用所述分类模型的分类部分对所述语义特征进行处理，得到基于M分类的第一分类结果，其中，所述M为等于或大于3的正整数；
基于所述第一分类结果，输出至少指示所述目标图像为低俗图像的程度分类信息，其中，所述低俗图像包括：色情图像、恐怖图像和/或暴力图像。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述第一分类结果映射为基于N分类的第二分类结果，其中，所述N为小于所述M的正整数；
所述基于N分类的第二分类结果为：基于父类的分类结果；
所述基于M分类的第一分类结果为：基于子类的分类结果，其中，至少存在一个所述父类包括：多个所述子类。


3.根据权利要求2所述的方法，其特征在于，所述基于所述第一分类结果，输出至少指示所述目标图像为低俗图像的程度分类信息，包括：
输出所述目标图像的第一分类结果；
和/或，
输出所述目标图像的第二分类结果。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述利用分类模型的特征提取部分提取待分类的目标图像的语义特征，包括以下至少之一：
针对所述色情图像，利用所述分类模型的特征提取部分，提取出所述目标图像中人物元素的衣着特征、行为特征、所述人物元素的特定部位的暴露程度特征及所述人物元素整体暴露程度特征中的一项或多项；
针对所述暴力图像，利用所述分类模型的特征提取部分，提取出所述目标图像是否包含有暴力元素、暴力元素的数量、暴力元素所占图像面积的比例和暴力元素的暴力程度中的一项或多项；
针对所述恐怖图像，利用所述分类模型的特征提取部分，提取出所述目标图像是否包含有恐怖元素、恐怖元素的数量、恐怖元素所占图像面积的比例、和恐怖元素的低俗程度中的一项或多项。


5.根据权利要求2所述的方法，其特征在于，在识别所述图像之前，所述方法还包括：
获取第一样本图像及标注标签，其中，所述标注标签为所述M分类的子类标签；
利用所述第一样本图像及标注标签，训练所述分类模型；
在分类模型的训练损失收敛时，停止训练；
在所述分类模型的输出层添加将所述第一分类结果映射为所述第二分类结果的映射层。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
对所述第一样本图像进行形态变换，得到第二样本图像，其中，所述第二样本图像与所述第一样本图像具有相同的标注标签；
所述利用所述第一样本图像及标注标签，训练所述分类模型，包括：
利用所述第一样本图像及所述第一样本图像的标注标签，和第二图像样本及所述第二样本图像的标注标签，训练所述分类模型。


7.根据权利要求6所述的方法，其特征在于，所述对所述第一样本图像进行形态变换，得到第二样本图像，包括以下至少之一：
对所述第一样本图像进行线性变换，得到所述第二样本图像，其中，所述线性变换包括：图像旋转和/或图像缩放；
对所述第一样本图像进行图像内容变化，得到所述第二样本图像，其中，所述图像内容变化包括：局部的马赛克处理、局部区域的图像内容替换和/或局部模糊化处理；
对所述第一样本图像进行图像参数变换，得到所述第二样本图像，其中，所述图像参数包括：对比度和/或亮度。


8.根据权利要求1所述的方法，其特征在于，所述分类模型为SEResNeXt模型。


9.一种图像分类装置，其特征在于，包括：
提取模块，用于利用分类模型的特征提取部分提取待分类的目标图像的语义特征；
分类模块，用...

【专利技术属性】
技术研发人员：刘坤，
申请(专利权)人：北京小米松果电子有限公司，
类型：发明
国别省市：北京;11