【技术实现步骤摘要】
加密掩膜确定方法、装置、设备以及存储介质
[0001]本公开涉及人工智能
,具体为计算机视觉和深度学习
,可应用于图像处理、图像识别等场景,尤其涉及一种加密掩膜确定方法、图像识别方法、模型训练方法、装置、设备、存储介质以及计算机程序产品。
技术介绍
[0002]目前在图像识别中,通常是直接对整幅图像进行识别,容易泄露图像中的隐私信息。
技术实现思路
[0003]本公开提供了一种加密掩膜确定方法、图像识别方法、模型训练方法、装置、设备、存储介质以及计算机程序产品,提高了图像的安全性。
[0004]根据本公开的一方面,提供了一种加密掩膜确定方法,包括:获取测试图像集合与加密掩膜集合;将测试图像集合中的图像与加密掩膜集合中的掩膜进行叠加,得到加密图像集合;分别用预先训练的加密图像识别模型和预先训练的原始图像识别模型对加密图像集合中的图像进行识别,得到第一识别结果;基于第一识别结果,从加密掩膜集合中确定出目标加密掩膜。
[0005]根据本公开的另一方面,提供了一种图像识别方法,包括:读取预先确定的目标加密掩膜;将目标加密掩膜与待识别图像进行叠加,得到加密待识别图像;将加密待识别图像输入预先训练的加密图像识别模型,得到图像识别结果。
[0006]根据本公开的又一方面,提供了一种模型训练方法,包括:获取第一图像集合和加密掩膜集合,并将第一图像集合确定为第一训练样本;对加密掩膜集合中的掩膜进行随机抽样,将抽样得到的掩膜与第一图像集合中的图像进行叠加,得到第二训练样本;获取第二图像 ...
【技术保护点】
【技术特征摘要】
1.一种加密掩膜确定方法,包括:获取测试图像集合与加密掩膜集合;将所述测试图像集合中的图像与所述加密掩膜集合中的掩膜进行叠加,得到加密图像集合;分别用预先训练的加密图像识别模型和预先训练的原始图像识别模型对所述加密图像集合中的图像进行识别,得到第一识别结果;基于所述第一识别结果,从所述加密掩膜集合中确定出目标加密掩膜。2.根据权利要求1所述的方法,其中,所述将所述测试图像集合中的图像与所述加密掩膜集合中的掩膜进行叠加,得到加密图像集合包括:基于所述加密掩膜集合中的掩膜的遮挡面积,将所述加密掩膜集合划分为多个加密掩膜子集合;将所述测试图像集合中的图像与所述多个加密掩膜子集合中的掩膜进行叠加,得到多个加密图像子集合;将所述多个加密图像子集合确定为所述加密图像集合。3.根据权利要求2所述的方法,其中,所述分别用预先训练的加密图像识别模型和预先训练的原始图像识别模型对所述加密图像集合中的图像进行识别,得到第一识别结果包括:使用所述预先训练的加密图像识别模型对所述加密图像集合中的图像进行识别,得到所述加密图像集合中的各加密图像子集合对应的第一识别精度;使用所述预先训练的原始图像识别模型对所述加密图像集合中的图像进行识别,得到所述加密图像集合中的各加密图像子集合对应的第二识别精度;将所述第一识别精度和所述第二识别精度确定为所述第一识别结果。4.根据权利要求3所述的方法,其中,所述基于所述第一识别结果,从所述加密掩膜集合中确定出目标加密掩膜包括:基于所述第一识别精度和所述第二识别精度,从所述加密掩膜集合中确定出目标加密掩膜子集合,并将所述目标加密掩膜子集合对应的加密图像子集合确定为目标加密图像子集合;使用所述预先训练的加密图像识别模型对所述目标加密图像子集合中的图像进行识别,得到第二识别结果;基于所述第二识别结果,从所述目标加密掩膜子集合中确定出所述目标加密掩膜。5.根据权利要求4所述的方法,其中,所述使用所述预先训练的加密图像识别模型对所述目标加密图像子集合中的图像进行识别,得到第二识别结果包括:使用所述预先训练的加密图像识别模型对所述目标加密图像子集合中的图像进行识别,得到目标加密图像子集合中的各图像对应的第三识别精度;将所述第三识别精度确定为所述第二识别结果。6.根据权利要求5所述的方法,其中,所述基于所述第二识别结果,从所述目标加密掩膜子集合中确定出所述目标加密掩膜包括:基于所述第三识别精度,从所述目标加密掩膜子集合中确定出候选加密掩膜集合;基于所述预先训练的加密图像识别模型和预先训练的图像修复模型,从所述候选加密
掩膜集合中确定出所述目标加密掩膜。7.根据权利要求6所述的方法,其中,所述基于所述预先训练的加密图像识别模型和预先训练的图像修复模型,从所述候选加密掩膜集合中确定出所述目标加密掩膜包括:将所述候选加密掩膜集合中的掩膜与所述测试图像集合中的图像进行叠加,得到第一候选加密图像集合;用所述预先训练的图像修复模型对所述第一候选加密图像集合中的图像进行修复,得到第二候选加密图像集合;使用所述预先训练的加密图像识别模型,对所述第一候选加密图像集合中的图像进行识别,得到所述第一候选加密图像集合中的各图像对应的第四识别精度;使用所述预先训练的加密图像识别模型对所述第二候选加密图像集合中的图像进行识别,得到所述第二候选加密图像集合中的各图像对应的第五识别精度;基于所述第四识别精度和所述第五识别精度,从所述候选加密掩膜集合中确定出所述目标加密掩膜。8.一种图像识别方法,包括:读取预先确定的目标加密掩膜,所述目标加密掩膜根据如权利要求1
‑
7任一项所述的方法生成;将所述目标加密掩膜与待识别图像进行叠加,得到加密待识别图像;将所述加密待识别图像输入预先训练的加密图像识别模型,得到图像识别结果。9.一种模型训练方法,包括:获取第一图像集合和加密掩膜集合,并将所述第一图像集合确定为第一训练样本;对所述加密掩膜集合中的掩膜进行随机抽样,将抽样得到的掩膜与所述第一图像集合中的图像进行叠加,得到第二训练样本;获取第二图像集合,并将所述第二图像集合确定为第三训练样本;基于所述第一训练样本训练第一初始模型,得到原始图像识别模型;基于所述第二训练样本,采用与训练第一初始模型相同的训练参数,训练第二初始模型,得到加密图像识别模型;基于所述第三训练样本训练第三初始模型,得到图像修复模型。10.一种加密掩膜确定装置,所述装置包括:获取模块,被配置为获取测试图像集合与加密掩膜集合;第一叠加模块,被配置为将所述测试图像集合中的图像与所述加密掩膜集合中的掩膜进行叠加,得到加密图像集合;第一识别模块,被配置为分别用预先训练的加密图像识别模型和预先训练的原始图像识别模型对所述加密图像集合中的图像进行识别,得到第一识别结果;确定模块,被配置为基于所述第一识别结果,从所述加密掩膜集合中确定出目标加密掩膜。11.根据权利要求10所述的...
【专利技术属性】
技术研发人员:刘吉,李岐龙,窦德景,张重生,
申请(专利权)人:北京百度网讯科技有限公司,
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。