【技术实现步骤摘要】
模型训练方法、图像处理方法、装置、计算设备、介质
[0001]本公开涉及计算机
，更具体地，涉及一种模型训练方法、一种图像处理方法、一种模型训练装置、一种计算设备以及一种计算机可读存储介质。
技术介绍
[0002]随着计算机技术的发展，通过互联网可以传播各种各样的信息，例如可以传播各种图像。但是，由于有些图像具有特定信息，特定信息例如可以是敏感信息、暴力信息或恐怖信息等等，如果传播该具有特定信息的图像将造成不良影响。因此，需要便识别出具有特定信息的图像，以便采取相应的措施减少具有特定信息的图像的传播。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题，相关技术中通常通过人工审核图像，或者通过相关识别算法自动识别图像。但是，在面对海量图像的情况下，人工审核图像的方式非常耗时耗力，相关识别算法采用单一标准，很难覆盖所有场景，导致识别效果较差。
技术实现思路
[0004]有鉴于此，本公开提供了一种优化的模型训练方法、图像处理方法、模型训练装置、计算设备和计算机可读存储介质...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，包括：获取样本图像，其中，所述样本图像包括图像标签，所述图像标签用于表征所述样本图像中是否具有特定信息；处理所述样本图像，得到所述样本图像的整体特征向量；确定多个目标对象；基于所述多个目标对象处理所述样本图像，得到所述样本图像的局部特征向量，其中，所述局部特征向量用于表征所述多个目标对象中每个目标对象在所述样本图像中的信息；以及利用所述图像标签、所述整体特征向量和所述局部特征向量，训练识别模型，以便通过经训练的识别模型识别待识别图像中是否具有所述特定信息。2.根据权利要求1所述的方法，其中，所述处理所述样本图像，得到所述样本图像的整体特征向量包括：获取经训练的分类模型，其中，所述分类模型包括N层级计算单元，N为大于等于2的整数；将所述样本图像输入至所述分类模型，得到第1至N-1层级计算单元中的各层级计算单元所输出的特征图像和第N层级计算单元所输出的分类结果；以及处理所述第N-1层级所输出的特征图像，得到所述整体特征向量。3.根据权利要求1所述的方法，其中，所述基于所述多个目标对象处理所述样本图像，得到所述样本图像的局部特征向量包括：获取经训练的检测模型；将所述样本图像输入至所述检测模型，得到所述样本图像中的M个目标区域、所述M个目标区域中每个目标区域的置信度和所述M个目标区域中每个目标区域的第一特征向量，其中，所述置信度用于表征与所述置信度对应的目标区域包括所述目标对象的概率，M为大于等于1的整数；以及基于所述M个目标区域、M个置信度和M个第一特征向量，确定所述样本图像的局部特征向量。4.根据权利要求3所述的方法，其中，所述多个目标对象包括P个目标对象，P为大于等于2的整数；所述基于所述M个目标区域、M个置信度和M个第一特征向量，确定所述样本图像的局部特征向量包括：确定所述M个目标区域中每个目标区域的目标对象，得到Q个检测目标对象，其中，所述Q个检测目标对象为所述P个目标对象的子集，所述Q为小于等于M的正整数；根据所述Q个检测目标对象中各检测目标对象在所述M个目标区域中的出现频率，确定第一局部特征向量；根据所述M个置信度，确定第二局部特征向量；以及根据所述M个置信度和所述M个第一特征向量，确定第三局部特征向量，其中，所述第三局部特征向量中包括所述Q个检测目标对象之间的关联关系，所述关联关系反映了所述样本图像中是否具有所述特定信息。5.根据权利要求4所述的方法，其中，所述根据所述Q个检测目标对象中各检测目标对象在所述M个目标区域中的出现频率，确定第一局部特征向量包括：
确定与所述Q个检测目标对象对应的Q个出现频率为第一元素；确定与所述P个目标对象中除所述Q个检测目标对象之外的目标对象对应的第二元素均为0；以及基于所述第一元素和所述第二元素，生成所述第一局部特征向量，其中，所述第一局部特征向量包括P个元素。6.根据权利要求4所述的方法，其中，所述根据所述M个置信度，确定第二局部特征向量包括：确定所述Q个检测目标对象中与各检测目标对象对应的至少一个目标区域，并分别计算与各检测目标对象对应的至少一个目标区...
【专利技术属性】
技术研发人员：余京蕾，齐鹏飞，梅涛，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
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。