【技术实现步骤摘要】
一种视觉敏感信息检测模型训练方法、装置和设备
[0001]本公开涉及视觉隐私保护
，尤其涉及一种视觉敏感信息检测模型训练方法、装置和设备。
技术介绍
[0002]传统视觉隐私识别技术基于皮肤检测的方法，通过提取皮肤区域，之后根据经过训练的分类器或暴露量对其进行是否为隐私内容的二值分类。该类方法在类似自拍中脸部占据图像相当大一部分的情况，或是衣服、环境类似皮肤颜色区域的情况下，检测效果受限。为了克服一些基于皮肤检测的局限性，目前有使用手工制作视觉文字袋(Bag of Visual Word，BoVW)的方法提取识别隐私图像的特征，但因为提取目标基于手工制作的特性，所以泛化能力弱，在不同环境光线、人种肤色等问题上表现不佳。
[0003]目前还有许多基于感兴趣区域(ROI，Region of Interest)的方法，使用神经特征来训练分类器。这类方法通常具备较深的神经网络结构，能取得较好的分类效果，但存在网络模型量级过重、不适宜部署在智慧家居设备、对一些易误判的隐私数据和自然噪声(如泳装、摔跤、以及因造型、环境和光...
【技术保护点】
【技术特征摘要】
1.一种视觉敏感信息检测模型训练方法，其特征在于，该方法包括：获得训练样本集，所述训练样本集包括带有标签的多张图片，所述标签用于标识图片中信息的敏感度；将所述训练样本集中的图片分别输入第一网络模型和第二网络模型，进行特征提取并预测敏感度，以输出所述图片的标签为目标对所述第一网络模型和第二网络模型进行不同程度的训练；将所述训练样本集中的图片输入训练后的第一网络模型和第二网络模型，确定第一网络模型和第二网络模型对所述图片提取的特征的差值；将训练后的第一网络模型或第二网络模型作为视觉敏感信息检测模型，将各图片对应的特征的差值输入视觉敏感信息检测模型，进行特征提取并预测敏感度，以输出所述图片的标签为目标训练所述视觉敏感信息检测模型。2.根据权利要求1所述的方法，其特征在于，所述训练所述视觉敏感信息检测模型之后，还包括：获取待测图片；将所述待测图片输入至所述视觉敏感信息检测模型，获得所述视觉敏感信息检测模型输出的所述待测图片的分类标签。3.根据权利要求1所述的方法，其特征在于，所述将所述训练样本集中的图片分别输入第一网络模型和第二网络模型，进行特征提取并预测敏感度，以输出所述图片的标签为目标对所述第一网络模型和第二网络模型进行不同程度的训练，包括：针对所述训练样本集中多个子训练样本集，将每个子训练样本集中的图片按照第一批次输入对应的第一网络模型，利用所述第一网络模型的第一特征提取层进行特征提取并预测敏感度，以输出所述批次图片的标签为目标训练所述第一网络模型，得到与各子训练样本集分别对应的第一网络模型；将所述每个子训练样本集中的图片按照第二批次输入对应的第二网络模型，利用所述第二网络模型的第二特征提取层进行特征提取并预测敏感度，以输出所述批次图片的标签为目标训练所述第二网络模型，得到与各子训练样本集分别对应的第二网络模型，所述第一批次大于第二批次。4.根据权利要求1所述的方法，其特征在于，所述将所述训练样本集中的图片输入训练后的第一网络模型和第二网络模型，确定第一网络模型和第二网络模型对所述图片提取的特征的差值，包括：从所述训练样本集中随机抽取设定数量的图片，按照第三批次分别输入所述各子训练样本集对应的第一网络模型和第二网络模型，获取第一特征提取层特征提取得到的第一特征集合、第二特征提取层特征提取得到的第二特征集合；将所述第一特征集合中的各批次图片对应的特征向量，与第二特征集合中同一批次图片对应的特征向量进行差值运算，得到各批次图片对应的特征差值；所述将训练后的第一网络模型或第二网络模型作为视觉敏感信息检测模型，包括：若第一批次大于第二批次，对所述各子训练样本集分别对应的第二网络模型融合，得到视觉敏感信息检测模型；或者若第一批次小于第二批次，对所述各子训练样本集分别对应的第一网络模型融合，得到视觉敏感信息检测模型。
5.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：张淯易，陈维强，高雪松，
申请(专利权)人：海信集团控股股份有限公司，
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。