暴恐内容识别模型的训练方法、训练装置及可读存储介质制造方法及图纸

本申请提供了一种暴恐内容识别模型的训练方法、训练装置及可读存储介质，针对于每种暴恐类别，基于该暴恐类别在多张样本暴恐图像中的出现次数以及多张样本暴恐图像中全部暴恐类别的总出现次数，确定该暴恐类别的初始频率权重；基于多张训练该暴恐类别对应的类别识别网络的训练暴恐图像、该暴恐类别的初始频率权重以及每张训练暴恐图像的类别标签，训练类别识别网络，得到训练好的暴恐识别子模型，以及暴恐识别子模型的目标频率权重；基于每种暴恐类别的暴恐识别子模型以及每个暴恐识别子模型的目标频率权重，构建得到暴恐识别模型。这样，便能够通过多个暴恐识别子模型有针对性的对每种暴恐类别进行识别，有助于提高暴恐内容的识别准确率。容的识别准确率。容的识别准确率。

【技术实现步骤摘要】
暴恐内容识别模型的训练方法、训练装置及可读存储介质


[0001]本申请涉及图像识别
，尤其是涉及一种暴恐内容识别模型的训练方法、训练装置及可读存储介质。

技术介绍

[0002]近年来，随着网络的不断发展，越来越多存在有暴恐内容的图像暴露于网络之中，无形之间已经对社会的稳定造成了一定影响，各网络平台以及监管部门通常需要安排专门的负责人员，对网络中存在的暴恐图像进行人为的删除或者处理，但是，随着图像数量的不断增加，人为操作已经很难将所有的暴恐图像快速的从互联网中去除，因此，如何有效识别并进行溯源监管互联网中的暴恐图像一直是亟待解决的问题。

技术实现思路

[0003]有鉴于此，本申请的目的在于提供一种暴恐内容识别模型的训练方法、训练装置及可读存储介质，通过多个暴恐识别子模型有针对性的对每种暴恐类别进行识别，有助于提高暴恐内容的识别准确率，进而，可以有效抑制含有暴恐内容的图像在网络中传播，具有一定的维护社会稳定的价值。
[0004]本申请实施例提供了一种暴恐内容识别模型的训练方法，所述训练方法包括：确定在获取到的多张样本暴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种暴恐内容识别模型的训练方法，其特征在于，所述训练方法包括：确定在获取到的多张样本暴恐图像中每种暴恐类别的出现次数，以及所述多张样本暴恐图像中全部暴恐类别的总出现次数；针对于每种暴恐类别，基于该暴恐类别的出现次数以及所述总出现次数，确定该暴恐类别的初始频率权重；从所述多张样本暴恐图像中确定出用于训练该暴恐类别对应的类别识别网络的训练暴恐图像，确定每张训练暴恐图像的类别标签；基于确定出的多张训练暴恐图像、该暴恐类别的初始频率权重以及每张训练暴恐图像的类别标签，训练该暴恐类别对应的类别识别网络，得到训练好的暴恐识别子模型，以及所述暴恐识别子模型的目标频率权重；基于每种暴恐类别对应的暴恐识别子模型以及每种暴恐识别子模型对应的目标频率权重，构建得到暴恐识别模型。2.根据权利要求1所述的训练方法，其特征在于，所述确定在获取到的多张样本暴恐图像中每种暴恐类别的出现次数，以及所述多张样本暴恐图像中全部暴恐类别的总出现次数，包括：获取多张样本暴恐图像；确定每张样本暴恐图像中出现的每个暴恐内容所属的暴恐类别；统计所述多张样本暴恐图像中每种暴恐类别的出现次数以及所述多张样本暴恐图像中全部暴恐类别的总出现次数。3.根据权利要求1所述的训练方法，其特征在于，针对于每种暴恐类别，基于该暴恐类别的出现次数以及所述总出现次数，确定该暴恐类别的初始频率权重，包括：针对于每种暴恐类别，将所述多张样本暴恐图像中该暴恐类别的出现次数与所述总出现次数之间的商，确定为该暴恐类别的初始频率权重。4.根据权利要求1所述的训练方法，其特征在于，所述从所述多张样本暴恐图像中确定出用于训练该暴恐类别对应的类别识别网络的训练暴恐图像，包括：将所述多张样本暴恐图像中出现了属于该暴恐类别的暴恐内容的样本暴恐图像以及未出现任何暴恐内容的样本暴恐图像，确定为用于训练该暴恐类别对应的类别识别网络的训练暴恐图像。5.根据权利要求1所述的训练方法，其特征在于，所述基于确定出的多张训练暴恐图像、该暴恐类别的初始频率权重以及每张训练暴恐图像的类别标签，训练该暴恐类别对应的类别识别网络，得到训练好的暴恐识别子模型，以及所述暴恐识别子模型的目标频率权重，包括：将确定出的多张训练暴恐图像以及该暴恐类别的初始频率权重作为输入特征，将每张训练...

【专利技术属性】
技术研发人员：白世杰，吴富章，赵宇航，王秋明，
申请(专利权)人：北京远鉴信息技术有限公司，
类型：发明
国别省市：