【技术实现步骤摘要】
一种图像审核的检测方法、装置及电子设备
本申请涉及图像审核的
，尤其是涉及一种图像审核的检测方法、装置及电子设备。
技术介绍
图像审核以深度学习的智能内容审核方案，能够准确识别图片和视频中的图像类别信息等其他内容，也能从美观和清晰等维度对图像进行筛选，快速精准，是对人力审核的解放。也就是说通过AI人工智能来进行系列内容的审核，大大节省了企业和机构的人力成本。图像审核提供多种维度的图像审核能力，支持自助调整审核阈值、自定义文本黑库、敏感人物审核库等，配置最符合业务需求的审核策略，还具有自主定制、紧跟热点以及大量丰富的标签等优势，拥有与时俱进的审核能力，规避被监控部门处罚的风险。现阶段中，大多数的图像审核技术是基于深度学习模型进行的，在使用深度学习模型的过程中需要大量的计算步骤对图像审核进行计算，导致图像审核的速率降低。所以，如何及时、快速地审核出不合法、不合规的图像一直是亟待解决的问题。
技术实现思路
有鉴于此，本申请的目的在于提供一种图像审核的检测方法、装置及电子设备，通过将待审核图像输入到...
【技术保护点】
1.一种图像审核的检测方法，其特征在于，所述检测方法包括：/n获取待审核图像；/n将所述待审核图像输入至预先优化好的图像审核模型中的优化特征提取网络中，得到所述待审核图像的每个像素区域对应的特征图像以及特征标签信息；其中，所述优化特征提取网络用于对所述待审核图像的每个像素区域顺次进行卷积处理、归一化处理以及残差处理；所述优化特征提取网络包括顺次连接的归一化卷积子网络、池化卷积子网络以及残差卷积子网络；/n将得到的各个像素区域对应的特征图像以及特征标签信息输入至优化特征融合网络中，确定出所述待审核图像的图像类别信息。/n
【技术特征摘要】
1.一种图像审核的检测方法，其特征在于，所述检测方法包括：
获取待审核图像；
将所述待审核图像输入至预先优化好的图像审核模型中的优化特征提取网络中，得到所述待审核图像的每个像素区域对应的特征图像以及特征标签信息；其中，所述优化特征提取网络用于对所述待审核图像的每个像素区域顺次进行卷积处理、归一化处理以及残差处理；所述优化特征提取网络包括顺次连接的归一化卷积子网络、池化卷积子网络以及残差卷积子网络；
将得到的各个像素区域对应的特征图像以及特征标签信息输入至优化特征融合网络中，确定出所述待审核图像的图像类别信息。
2.根据权利要求1所述的检测方法，其特征在于，通过以下步骤优化所述图像审核模型：
基于获取到的多个样本图像，训练得到初始图像审核模型；
对所述初始图像审核模型中的特征提取网络以及特征融合网络进行算子替换，得到优化特征提取网络以及优化特征融合网络；
基于所述优化特征提取网络以及所述优化特征融合网络，得到优化好的图像审核模型。
3.根据权利要求2所述的检测方法，其特征在于，通过以下步骤得到所述优化特征提取网络：
基于确定出的优化后的卷积核以及偏置替代所述特征提取网络中卷积算子的卷积核以及归一化算子的偏置，得到归一化卷积子网络；
基于确定出的新的卷积核以及池化核，对所述特征提取网络中的池化算子进行替换，得到池化卷积子网络；
利用所述归一化卷积子网络替换所述特征提取网络中的残差算子，得到所述残差卷积子网络；
基于所述归一化卷积子网络、所述池化卷积子网络以及所述残差卷积子网络，确定所述优化特征提取网络。
4.根据权利要求2所述的检测方法，其特征在于，通过以下步骤得到所述优化特征融合网络：
基于加性卷积子网络代替所述特征融合网络中的特征加法融合，确定出所述加性卷积子网络中的卷积核以及偏置；
基于所述加性卷积子网络中的卷积核以及偏置将所述归一化卷积子网络或所述残差卷积子网络进行合并，获得所述优化特征融合网络。
5.根据权利要求4所述的检测方法，其特征在于，所述优化特征融合网络中包括串性融合子网络，所述串性融合子网络通过以下步骤进行串性特征融合：
获取所述优化好的图像审核模型中的多层卷积层，基于所述优化好的图像审核模型中的多层卷积层确定出所述多...
【专利技术属性】
技术研发人员：白世杰，赵宇航，郑榕，伭剑辉，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：北京;11
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。