一种低俗图片识别方法、系统、存储介质和终端技术方案

本申请提供一种低俗图片识别方法，包括：获取待识别图片；在半监督检测模型中，提取待识别图片不同层次的图片特征；对不同层次的图片特征进行特征融合，得到融合特征；确定融合特征对应的头部特征；根据像素特征确定包含低俗部位和对应的属性信息的检测结果；根据检测结果匹配低俗图片分级策略，确定待识别图片的低俗识别结果。本申请能够有效识别低俗图片，确定其中存在的低俗性感元素、低俗属性等信息，以便进行自动处置或者交由人工审核处置，提高了低俗图片的检测精度，避免高敏感的明显低俗性感内容传播，从而保障了网络内容生态健康。本申请还提供一种低俗图片的检测系统、计算机可读存储介质和终端，具有上述有益效果。具有上述有益效果。具有上述有益效果。

【技术实现步骤摘要】
一种低俗图片识别方法、系统、存储介质和终端


[0001]本申请涉及计算机
，特别涉及一种低俗图片识别方法、系统、存储介质和终端。

技术介绍

[0002]当前网络应用中，存在大量低俗甚至色情内容，如何对这些数据进行机器识别，是保障产品内容生态健康的基本要求。目前，色情内容易被过滤或者系统前置删除，但低俗内容例如裸露胸部、裸露腹部、裸露臀部、裸露三角区、裸露腿部等等难以被有效识别、处理。
[0003]在相关技术方案中，通过事先训练的低俗识别分类模型进行低俗图片检测，然而其识别精度差，仅能得出被检测图片是否包含低俗目标，且常出现误识别和漏识别。

技术实现思路

[0004]本申请的目的是提供一种低俗图片识别方法、低俗图片识别系统、存储介质和终端，能够提高低俗图片的识别能力。
[0005]为解决上述技术问题，本申请提供一种低俗图片识别方法，具体技术方案如下：
[0006]获取待识别图片；
[0007]在半监督检测模型中，提取所述待识别图片不同层次的图片特征；
[0008]对不同层次的图片特征进行特征融合，得到融合特征；
[0009]确定所述融合特征对应的头部特征；所述头部特征包含所述融合特征在不同维度下的像素特征；
[0010]根据所述像素特征确定包含低俗部位和对应的属性信息的检测结果；
[0011]根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果。
[0012]可选的，提取所述待识别图片不同层次的图片特征包括：
[0013]从浅层特征到深层特征一次提取所述待识别图片的图片特征；所述特征包含颜色特征、纹理特征和轮廓特征中的至少一种或者任意几种的组合。
[0014]可选的，根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果之前，还包括：
[0015]根据所述检测结果中低俗部位、低俗部位面积和对应的属性信息确定对应的低俗属性分；
[0016]相应的，根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果包括：
[0017]根据所述低俗图片分级策略确定所述低俗属性分所属的低俗等级。
[0018]可选的，根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果之后，还包括：
[0019]若所述低俗属性分对应的低俗等级满足召回条件，召回所述待识别图片。
[0020]本申请还提供一种用于低俗图片识别的半监督模型的生成方法，包括：
[0021]获取有标签数据和无标签数据；所述有标签数据为包含已标注的低俗部位及对应属性的图片数据；
[0022]利用所述有标签数据执行全监督训练，得到全监督模型；
[0023]基于所述无标签数据和所述全监督模型进行半监督训练，得到所述半监督检测模型。
[0024]可选的，所述利用有标签数据执行全监督训练，得到全监督模型包括：
[0025]利用骨架层提取所述有标签数据中的图像特征，得到包含浅层特征和深层特征的特征金字塔；
[0026]融合所述浅层特征和所述深层特征，得到融合后特征；
[0027]对所述融合后特征进行特征映射计算，确定任务分支和对应的分支损失，得到全监督模型；其中，所述任务分支包含目标存在分支、区域回归分支、目标类型分支和属性分支。
[0028]可选的，融合所述浅层特征和所述深层特征之前，还包括：
[0029]移除所述特征金字塔中的预设层数的浅层特征。
[0030]可选的，融合所述浅层特征和所述深层特征，得到头部信息包括：
[0031]按照从所述浅层特征至所述深层特征的融合顺序进行上采样融合，得到头部信息；
[0032]或，按照从所述深层特征至所述浅层特征的融合顺序进行下采样融合，得到头部信息。
[0033]可选的，所述基于所述无标签数据和所述全监督模型进行半监督训练，得到所述半监督检测模型包括：
[0034]获取所述无标签数据；
[0035]对所述无标签数据中预设比例的数据进行标注，得到有标签数据；
[0036]第一轮训练中，利用所述全监督模型对所述有标签数据训练得到第一模型；
[0037]第二轮训练中，将所述第一模型对第一比例的无标签数据预测得到的第一伪标签数据和所述有标签数据作为训练数据，得到第二模型；
[0038]在第N轮训练中，将包含所述第一模型和所述第二模型在内的前N个模型集成预测所有所述无标签数据得到的第N伪标签数据作为训练数据，得到所述半监督检测模型。
[0039]本申请还提供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如上所述的低俗图片识别方法的步骤。
[0040]本申请还提供一种终端，包括存储器和处理器，所述存储器中存有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如上所述的低俗图片识别方法的步骤。
[0041]本申请提供一种低俗图片识别方法，包括：获取待识别图片；在半监督检测模型中，提取所述待识别图片不同层次的图片特征；对不同层次的图片特征进行特征融合，得到融合特征；确定所述融合特征对应的头部特征；所述头部特征包含所述融合特征在不同维度下的像素特征；根据所述像素特征确定包含低俗部位和对应的属性信息的检测结果；根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果。
[0042]本申请利用预先训练的半监督检测模型对待识别图片进行识别检测，以得到包含
低俗部位和对应属性信息，再利用低俗图片分级策略进行匹配，能够有效识别低俗图片，确定其中存在的低俗性感元素、低俗属性等信息，以便进行自动处置或者交由人工审核处置，提高了低俗图片的检测精度，避免高敏感的明显低俗性感内容传播，从而保障了网络内容生态健康。
[0043]本申请还提供一种低俗图片识别系统、计算机可读存储介质和终端，具有上述有益效果，此处不再赘述。
附图说明
[0044]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0045]图1为本申请实施例所提供的一种低俗图片识别方法的流程图；
[0046]图2为本申请实施例所提供的一种半监督检测模型的生成过程流程图；
[0047]图3为本申请实施例所提供的全监督模型架构示意图；
[0048]图4为本申请实施例所提供的一种终端的结构示意图。
具体实施方式
[0049]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低俗图片识别方法，其特征在于，包括：获取待识别图片；在半监督检测模型中，提取所述待识别图片不同层次的图片特征；对不同层次的图片特征进行特征融合，得到融合特征；确定所述融合特征对应的头部特征；所述头部特征包含所述融合特征在不同维度下的像素特征；根据所述像素特征确定包含低俗部位和对应的属性信息的检测结果；根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果。2.根据权利要求1所述的低俗图片识别方法，其特征在于，提取所述待识别图片不同层次的图片特征包括：从浅层特征到深层特征一次提取所述待识别图片的图片特征；所述特征包含颜色特征、纹理特征和轮廓特征中的至少一种或者任意几种的组合。3.根据权利要求1所述的低俗图片识别方法，其特征在于，根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果之前，还包括：根据所述检测结果中低俗部位、低俗部位面积和对应的属性信息确定对应的低俗属性分；相应的，根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果包括：根据所述低俗图片分级策略确定所述低俗属性分所属的低俗等级。4.根据权利要求3所述的低俗图片识别方法，其特征在于，根据所述检测结果匹配低俗图片分级策略，确定所述待识别图片的低俗识别结果之后，还包括：若所述低俗属性分对应的低俗等级满足召回条件，召回所述待识别图片。5.一种用于低俗图片识别的半监督模型的生成方法，其特征在于，包括：获取有标签数据和无标签数据；所述有标签数据为包含已标注的低俗部位及对应属性的图片数据；利用所述有标签数据执行全监督训练，得到全监督模型；基于所述无标签数据和所述全监督模型进行半监督训练，得到所述半监督检测模型。6.根据权利要求5所述的低俗图片识别方法，其特征在于，所述利用有标签数据执行全监督训练，得到全监督模型包括：利用骨架层提取所述有标签数据中的图像特征，得到包含浅层特征和深层特征的特征金字塔；融合所述浅层特征和所述深层特征，得到融合...

【专利技术属性】
技术研发人员：葛霖，
申请(专利权)人：腾讯音乐娱乐科技深圳有限公司，
类型：发明
国别省市：