图像分类方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像分类方法、装置、计算机设备和存储介质。方法包括：获取待处理图像；通过预先训练的特征提取模型对所述待处理图像进行处理得到至少两个分支的分支特征，并将所述分支对应的部分特征进行拼接得到目标特征；计算所述待处理图像的目标特征与历史图像的图像特征的相似度；根据所述相似度对所述待处理图像进行分类。采用本方法能够对待处理图像进行分类。像进行分类。像进行分类。

【技术实现步骤摘要】
图像分类方法、装置、计算机设备和存储介质


[0001]本申请涉及人工智能图像
，特别是涉及一种背景相似度分析方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着人们经济水平的提高以及消费观念的改变，利用在线贷款，信用卡等提前消费的方式如今已变得十分常见，因此许多公司都开展了相关的在线金融服务。
[0003]在线贷款只需要贷款者提供相应的身份信息及上传当前照片即可获得贷款资格，因此有许多不法分子利用在线贷款的便利，通过集体大量申请贷款的方式将贷来的钱款以更高的价格贷出或进行非法集资或进行恶意贷款即只贷不还等等，上述无论哪种情况，都会对公司产生一定的经济损失。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够对图像进行分类的图像分类方法、装置、计算机设备和存储介质。
[0005]一种图像分类方法，所述图像分类方法包括：
[0006]获取待处理图像；
[0007]通过预先训练的特征提取模型对所述待处理图像进行处理得到至少两个分支的分支特征，并将所述分支特征进行拼接得到目标特征；
[0008]计算所述待处理图像的目标特征与历史图像的图像特征的相似度；
[0009]根据所述相似度对所述待处理图像进行分类。
[0010]在其中一个实施例中，所述通过预先训练的特征提取模型得到至少两个分支，包括：
[0011]通过预先训练的特征提取模型的整体特征提取网络提取所述待处理图像的整体特征；
[0012]通过预先训练的特征提取模型的至少一个部分特征提取分支从所述整体特征中选择部分特征，作为对应分支的分支特征。
[0013]在其中一个实施例中，所述计算所述待处理图像的目标特征与历史图像的图像特征的相似度，包括：
[0014]计算所述待处理图像的目标特征与所述历史图像的图像特征的余弦相似度，作为所述待处理图像的目标特征与所述历史图像的图像特征之间的相似度。
[0015]在其中一个实施例中，所述图像分类方法还包括：
[0016]获取样本图像，所述样本图像携带有分类标签；
[0017]将所述样本图像输入至初始模型中得到待处理特征；
[0018]根据所述分类标签以及所述待处理特征计算得到目标损失函数；
[0019]根据所述目标损失函数对所述初始模型进行优化以得到所述特征提取模型。
[0020]在其中一个实施例中，所述根据所述分类标签以及所述待处理特征计算得到目标损失函数，包括：
[0021]对所述待处理特征进行分割，得到至少两个所述分支对应的部分样本特征；
[0022]根据所述样本标签与所述待处理特征计算得到第一损失函数；
[0023]分别根据所述样本标签与每一所述分支对应的部分样本特征计算得到至少两个第二损失函数；
[0024]根据所述第一损失函数与所述第二损失函数得到所述目标损失函数。
[0025]一种风险图像识别方法，所述风险图像识别方法包括：
[0026]获取待处理图像；
[0027]根据上述任意一项实施中的图像分类方法将所述待处理图像进行分类；
[0028]统计所述待处理图像对应分类中的所述历史图像的数量；
[0029]当所述待处理图像对应分类中的所述历史图像的数量超过预设数值时，则判定所述待处理图像为风险图像。
[0030]一种图像分类装置，所述装置包括：
[0031]接收模块，用于获取待处理图像；
[0032]特征提取模块，用于对所述待处理图像进行特征提取；
[0033]相似度计算模块，计算所述待处理图像的特征与数据库中图像特征的相似度；
[0034]分析模块，用于根据所述相似度对所述待处理图像进行判断。
[0035]一种风险图像识别装置，所述装置包括：
[0036]数据接收模块：用于获取待处理图像；
[0037]图像分类模块：用于根据上述任意一项实施例中的图像分类方法将所述待处理图像进行分类；
[0038]图像统计模块：用于统计所述待处理图像对应分类中的所述历史图像的数量；
[0039]风险图像判定模块：用于当所述待处理图像对应分类中的所述历史图像的数量超过预设数值时，则判定所述待处理图像为风险图像。
[0040]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
[0041]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
[0042]上述图像分类方法，通过特征提取模型可得到待处理图像至少两个分支的部分特征，并将分支进行拼接得到目标特征，然后根据目标特征计算与历史图像的相似度，并根据相似度对待处理图像进行分类，其中目标特征是通过分支特征进行拼接得到的，因此通过比较待处理图像的目标特征与历史图像的图像特征即可对待处理图像进行分类。其次，由于目标特征是通过分支特征进行拼接得到的，那么可以通过设置获取分支特征的规则，即可实现根据特定的区域对待处理图像进行分类。
附图说明
[0043]图1为一个实施例中图像分类方法的应用环境图；
[0044]图2为一个实施例中图像分类方法的流程示意图；
[0045]图3为一个实施例中用户上传的自拍照片；
[0046]图4为一个实施例中训练特征提取模型的流程示意图；
[0047]图5为一个实施例中计算目标损失函数的流程示意图；
[0048]图6为一个实施例中风险图像识别方法的流程示意图；
[0049]图7为一个实施例中基于背景相似度分析的金融风控方法的判别过程；
[0050]图8为一个实施例中一种图像分类装置的结构框图；
[0051]图9为一个实施例中一种风险图像识别装置的结构框图；
[0052]图10为一个实施例中计算机设备的内部结构图。
具体实施方式
[0053]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0054]本申请提供的图像分类方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102可以将获取待处理发票图像发送到服务器104，从而服务器104可以对该待处理发票图像进行处理，例如服务器104将待处理图像输入至预先训练的特征提取模型中进行特征提取并得到至少两个分支所对应的部分特征，然后对分支所对应的部分特征进行拼接得到目标特征，最后计算待处理图像的目标特征与历史图像的图像之间的相似度并根据相似度对待处理图像进行分类，由于目标特征是由分支所对应的部分特征进行拼接得到的，那么可以通过设置获取分支所对应的部分特征的规则，即可实现根据特定的区域对待处理图像进行分类。其中，终端102可以但不限于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，其特征在于，所述图像分类方法包括：获取待处理图像；通过预先训练的特征提取模型对所述待处理图像进行处理得到至少两个分支的分支特征，并将所述分支特征进行拼接得到目标特征；计算所述待处理图像的目标特征与历史图像的图像特征的相似度；根据所述相似度对所述待处理图像进行分类。2.根据权利要求1所述的方法，其特征在于，所述通过预先训练的特征提取模型得到至少两个分支，包括：通过预先训练的特征提取模型的整体特征提取网络提取所述待处理图像的整体特征；通过预先训练的特征提取模型的至少一个部分特征提取分支从所述整体特征中选择部分特征，作为对应分支的分支特征。3.根据权利要求1所述的方法，其特征在于，所述计算所述待处理图像的目标特征与历史图像的图像特征的相似度，包括：计算所述待处理图像的目标特征与所述历史图像的图像特征的余弦相似度，作为所述待处理图像的目标特征与所述历史图像的图像特征之间的相似度。4.根据权利要求1所述的方法，其特征在于，所述图像分类方法还包括：获取样本图像，所述样本图像携带有分类标签；将所述样本图像输入至初始模型中得到待处理特征；根据所述分类标签以及所述待处理特征计算得到目标损失函数；根据所述目标损失函数对所述初始模型进行优化以得到所述特征提取模型。5.根据权利要求4所述的方法，其特征在于，所述根据所述分类标签以及所述待处理特征计算得到目标损失函数，包括：对所述待处理特征进行分割，得到至少两个所述分支对应的部分样本特征；根据所述样本标签与所述待处理特征计算得到第一损失函数；分别根据所述样本标签与每一...

【专利技术属性】
技术研发人员：茅天奇，丁拥科，
申请(专利权)人：众安在线财产保险股份有限公司，
类型：发明
国别省市：