翻拍图像识别模型构建方法以及翻拍图像识别方法技术

本申请涉及一种翻拍图像识别模型构建方法以及翻拍图像识别方法。所述翻拍图像识别模型构建方法包括：获取携带类别标签的初始样本图像数据以及初始翻拍图像识别模型，初始翻拍图像识别模型包括分类速度导向的第一分类模型层和分类精度导向的第二分类模型层；将初始样本图像数据输入第一分类模型层，得到第一损失函数以及分类错误的复杂样本图像数据；根据复杂样本图像数据和初始样本图像数据，训练第二分类模型层，得到第二损失函数；根据第一损失函数和第二损失函数，得到初始翻拍图像识别模型的综合损失函数，根据综合损失函数反向传播更新初始翻拍图像识别模型的模型参数，得到已训练的翻拍图像识别模型。采用本方法能够提高翻拍判断准确率。高翻拍判断准确率。高翻拍判断准确率。

【技术实现步骤摘要】
翻拍图像识别模型构建方法以及翻拍图像识别方法


[0001]本申请涉及计算机
，特别是涉及一种翻拍图像识别模型构建方法以及翻拍图像识别方法。

技术介绍

[0002]随着计算机技术的发展，出现了翻拍图像识别技术，翻拍图像识别技术主要用于从待处理图片中识别出对着手机拍摄的翻拍图片，减少因为违规拍摄造成的错误信息输入，提升待处理图片的规范性。
[0003]传统技术中，常采用传统的特征提取算法对翻拍图像进行识别，或需要提供翻拍的原图通过比对图片相似度判断是否是翻拍图片。
[0004]然而，传统技术都存在翻拍判断准确率低的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够提高翻拍判断准确率的翻拍图像识别模型构建方法以及翻拍图像识别方法。
[0006]一种翻拍图像识别模型构建方法，所述方法包括：
[0007]获取携带类别标签的初始样本图像数据以及初始翻拍图像识别模型，初始翻拍图像识别模型包括分类速度导向的第一分类模型层和分类精度导向的第二分类模型层；
[0008]将初始样本图像数据输入第一分类模型层，得到第一损失函数以及分类错误的复杂样本图像数据；
[0009]根据复杂样本图像数据和初始样本图像数据，训练第二分类模型层，得到第二损失函数；
[0010]根据第一损失函数和第二损失函数，得到初始翻拍图像识别模型的综合损失函数，根据综合损失函数反向传播更新初始翻拍图像识别模型的模型参数，得到已训练的翻拍图像识别模型。
[0011]在一个实施例中，将初始样本图像数据输入第一分类模型层，得到第一损失函数包括：
[0012]将初始样本图像数据输入第一分类模型层，得到与初始样本图像数据中各初始样本图像对应的第一分类结果；
[0013]根据第一分类结果和类别标签，确定与各初始样本图像对应的第一损失值；
[0014]根据类别标签，确定与初始样本图像数据对应的第一正负样本比例，根据第一正负样本比例，确定与各第一损失值对应的第一损失权重；
[0015]根据第一损失值以及第一损失权重，得到第一损失函数。
[0016]在一个实施例中，根据复杂样本图像数据和初始样本图像数据，训练第二分类模型层，得到第二损失函数包括：
[0017]将复杂样本图像数据添加至初始样本图像数据，得到携带目标类别标签的目标样
本图像数据；
[0018]根据目标样本图像数据，训练第二分类模型层，得到第二损失函数。
[0019]在一个实施例中，根据目标样本图像数据，训练第二分类模型层，得到第二损失函数包括：
[0020]将目标样本图像数据输入第二分类模型层，得到与目标样本图像数据中各目标样本图像数据对应的第二分类结果；
[0021]根据第二分类结果和目标类别标签，确定与各目标样本图像对应的第二损失值；
[0022]根据目标类别标签，确定与目标样本图像数据对应的第二正负样本比例，根据第二正负样本比例，确定与各第二损失值对应的第二损失权重；
[0023]根据第二损失值以及第二损失权重，得到第二损失函数。
[0024]一种翻拍图像识别方法，所述方法包括：
[0025]获取待识别图片；
[0026]将待识别图片输入已训练的翻拍图像识别模型，得到与待识别图片对应的识别结果，已训练的翻拍图像识别模型根据上述翻拍图像识别模型构建方法构建。
[0027]在一个实施例中，将待识别图片输入已训练的翻拍图像识别模型，得到与待识别图片对应的识别结果包括：
[0028]将待识别图片输入已训练的翻拍图像识别模型中的第一分类模型层，得到第一分类结果；
[0029]当第一分类结果为翻拍时，将待识别图片输入已训练的翻拍图像识别模型中的第二分类模型层，得到第二分类结果；
[0030]当第二分类结果为翻拍时，得到识别结果为翻拍。
[0031]在一个实施例中，所述方法还包括：当第一分类结果为非翻拍或第二分类结果为非翻拍时，得到识别结果为非翻拍。
[0032]一种翻拍图像识别模型构建装置，所述装置包括：
[0033]数据获取模块，用于获取携带类别标签的初始样本图像数据以及初始翻拍图像识别模型，所述初始翻拍图像识别模型包括分类速度导向的第一分类模型层和分类精度导向的第二分类模型层；
[0034]第一训练模块，用于将所述初始样本图像数据输入所述第一分类模型层，得到第一损失函数以及分类错误的复杂样本图像数据；
[0035]第二训练模块，用于根据所述复杂样本图像数据和所述初始样本图像数据，训练所述第二分类模型层，得到第二损失函数；
[0036]参数更新模块，用于根据所述第一损失函数和所述第二损失函数，得到初始翻拍图像识别模型的综合损失函数，根据所述综合损失函数反向传播更新所述初始翻拍图像识别模型的模型参数，得到已训练的翻拍图像识别模型。
[0037]一种翻拍图像识别装置，所述装置包括：
[0038]图片获取模块，用于获取待识别图片；
[0039]识别模块，用于将待识别图片输入已训练的翻拍图像识别模型，得到与待识别图片对应的识别结果，已训练的翻拍图像识别模型根据上述翻拍图像识别模型构建方法构建。
[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以下步骤：
[0041]获取携带类别标签的初始样本图像数据以及初始翻拍图像识别模型，初始翻拍图像识别模型包括分类速度导向的第一分类模型层和分类精度导向的第二分类模型层；
[0042]将初始样本图像数据输入第一分类模型层，得到第一损失函数以及分类错误的复杂样本图像数据；
[0043]根据复杂样本图像数据和初始样本图像数据，训练第二分类模型层，得到第二损失函数；
[0044]根据第一损失函数和第二损失函数，得到初始翻拍图像识别模型的综合损失函数，根据综合损失函数反向传播更新初始翻拍图像识别模型的模型参数，得到已训练的翻拍图像识别模型。
[0045]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以下步骤：
[0046]获取待识别图片；
[0047]将待识别图片输入已训练的翻拍图像识别模型，得到与待识别图片对应的识别结果，已训练的翻拍图像识别模型根据上述翻拍图像识别模型构建方法构建。
[0048]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以下步骤：
[0049]获取携带类别标签的初始样本图像数据以及初始翻拍图像识别模型，初始翻拍图像识别模型包括分类速度导向的第一分类模型层和分类精度导向的第二分类模型层；
[0050]将初始样本图像数据输入第一分类模型层，得到第一损失函数以及分类错误的复杂样本图像数据；
[0051]根据复杂样本图像数据和初始样本图像数据，训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种翻拍图像识别模型构建方法，其特征在于，所述方法包括：获取携带类别标签的初始样本图像数据以及初始翻拍图像识别模型，所述初始翻拍图像识别模型包括分类速度导向的第一分类模型层和分类精度导向的第二分类模型层；将所述初始样本图像数据输入所述第一分类模型层，得到第一损失函数以及分类错误的复杂样本图像数据；根据所述复杂样本图像数据和所述初始样本图像数据，训练所述第二分类模型层，得到第二损失函数；根据所述第一损失函数和所述第二损失函数，得到初始翻拍图像识别模型的综合损失函数，根据所述综合损失函数反向传播更新所述初始翻拍图像识别模型的模型参数，得到已训练的翻拍图像识别模型。2.根据权利要求1所述的方法，其特征在于，所述将所述初始样本图像数据输入所述第一分类模型层，得到第一损失函数包括：将所述初始样本图像数据输入所述第一分类模型层，得到与所述初始样本图像数据中各初始样本图像对应的第一分类结果；根据所述第一分类结果和所述类别标签，确定与各初始样本图像对应的第一损失值；根据所述类别标签，确定与初始样本图像数据对应的第一正负样本比例，根据所述第一正负样本比例，确定与各所述第一损失值对应的第一损失权重；根据所述第一损失值以及所述第一损失权重，得到第一损失函数。3.根据权利要求1所述的方法，其特征在于，所述根据所述复杂样本图像数据和所述初始样本图像数据，训练所述第二分类模型层，得到第二损失函数包括：将所述复杂样本图像数据添加至所述初始样本图像数据，得到携带目标类别标签的目标样本图像数据；根据所述目标样本图像数据，训练所述第二分类模型层，得到第二损失函数。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标样本图像数据，训练所述第二分类模型层，得到第二损失函数包括：将所述目标样本图像数据输入所述第二分类模型层，得到与所述目标样本图像数据中各目标样本图像数据对应的第二分类结果；根据所述第二分类结果和所述目标类别标签，确定与各目标样本图像对应的第二损失值；根据所述目标类别标签，确定与目标样本图像数据对应的第二正负样本比例，根据所述第二正负样本比例，确定与各所述...

【专利技术属性】
技术研发人员：李梦琴，喻雨峰，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：