本申请涉及一种场景相似度估计方法、装置、计算机设备和存储介质，所述方法包括：从数据库中获取带有前景物体的图片；对所述图片的前景像素进行选区标注，利用标注好的选区作为标签训练前景物体语义分割模型；利用训练好的前景物体语义分割模型自动提取待检测图片中的选区，并去除前景物体，补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片；基于相似度评估模型计算所述图片与预存图片之间的相似度值，对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片。本申请主要针对线上业务场景，通过分割模型去除遮挡物体，接着对修复后的图像进行场景相似度比较能够有效提升相似度评估的准确性，从而提升金融风控的可靠性。融风控的可靠性。融风控的可靠性。
【技术实现步骤摘要】
场景相似度估计方法、装置、计算机设备和存储介质
[0001]本申请涉及人工智能的
，特别是涉及一种场景相似度估计方法、装置、计算机设备和存储介质。
技术介绍
[0002]依托于大数据、云计算、人工智能等新技术的发展，互联网金融业务急剧扩张，金融创新产品不断涌现，诈骗风险也随之而来，因此在线上业务办理时，如何快速准确地识别诈骗团伙是一个关键问题。
[0003]现有技术中通过对用户提交的图片(如活体照、人证合一照等)中的场景进行相似度评估来鉴定用户所在场景是否存在风险，然而由于在拍摄场景中用户与摄像头的距离较近，人脸或人体会对图片中的场景产生大量的遮挡，这会对场景相似度评估的准确性带来较大的影响；另一方面由于线上图片的场景种类多样，且图片数量极大，标注图片将耗费巨大的人力成本。
[0004]因此，亟需提出一种可以避免图片标注工作、排除人体的干扰、有效地提高金融风控的可靠性的场景相似度估计方法、装置、计算机设备和存储介质。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够避免图片标注工作、排除人体的干扰、有效地提高金融风控的可靠性的场景相似度估计方法、装置、计算机设备和存储介质。
[0006]一方面，提供一种场景相似度估计方法，所述方法包括：
[0007]步骤A：从数据库中获取带有前景物体的图片；
[0008]步骤B：对所述图片的前景像素进行选区标注，利用标注好的选区作为标签训练前景物体语义分割模型；
[0009]步骤C：利用训练好的前景物体语义分割模型自动提取待检测图片中的选区，并去除前景物体，补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片；
[0010]步骤D：基于相似度评估模型计算所述图片与预存图片之间的相似度值，对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片。
[0011]在其中一个实施例中，还包括：利用图片注释工具对所述图片的前景像素进行选区标注。
[0012]在其中一个实施例中，还包括：所述去除前景物体遮挡的图片的获取过程包括：利用所述训练好的前景物体语义分割模型自动提取待检测图片中的选区；将所述待检测图片与所述选区同时输入图片修复网络，利用所述图片修复网络去除前景物体，并补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片。
[0013]在其中一个实施例中，还包括：所述相似度评估模型的训练过程包括：利用所述训练好的前景物体语义分割模型自动提取数据库中图片的选区，并去除前景物体，补全所述
图片中背景像素，得到去除前景物体遮挡的图片；将所述去除前景物体遮挡的图片加入公开场景数据集中，生成新数据集；基于所述新数据集，采用无监督对比学习策略训练预设的相似度评估模型；当评估精度达到预设值时，得到训练好的相似度评估模型。
[0014]在其中一个实施例中，还包括：所述基于相似度评估模型计算所述图片与预存图片之间的相似度值包括：分别提取所述去除前景物体遮挡图片和所述预存图片的图片特征，所述图片特征为128维的向量；计算所提取特征向量之间的余弦距离获取所述图片与预存图片之间的相似度值。
[0015]在其中一个实施例中，还包括：所述对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片包括：提取所有所述待检测图片的特征向量；根据所述特征向量计算得到相似度矩阵；基于所述相似度矩阵，通过预设的聚类算法和相似度阈值进行聚类，得到聚类好的各类别图片。
[0016]在其中一个实施例中，还包括：所述对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片还包括：对聚类好的各类别图片进行判别，若某一类别的图片数量高于预设的单一聚类最大图片数量，则输出所述类别的所有图片。
[0017]另一方面，提供了一种场景相似度估计装置，所述装置包括：
[0018]图片获取模块，用于从数据库中获取带有前景物体的图片；
[0019]模型训练模块，用于对所述图片的前景像素进行选区标注，利用标注好的选区作为标签训练前景物体语义分割模型；
[0020]图片处理模块，用于利用训练好的前景物体语义分割模型自动提取待检测图片中的选区，并去除前景物体，补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片；
[0021]图片聚类模块，用于基于相似度评估模型计算所述图片与预存图片之间的相似度值，对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片。
[0022]再一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0023]步骤A：从数据库中获取带有前景物体的图片；
[0024]步骤B：对所述图片的前景像素进行选区标注，利用标注好的选区作为标签训练前景物体语义分割模型；
[0025]步骤C：利用训练好的前景物体语义分割模型自动提取待检测图片中的选区，并去除前景物体，补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片；
[0026]步骤D：基于相似度评估模型计算所述图片与预存图片之间的相似度值，对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片。
[0027]又一方面，提供了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：
[0028]步骤A：从数据库中获取带有前景物体的图片；
[0029]步骤B：对所述图片的前景像素进行选区标注，利用标注好的选区作为标签训练前景物体语义分割模型；
[0030]步骤C：利用训练好的前景物体语义分割模型自动提取待检测图片中的选区，并去除前景物体，补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片；
[0031]步骤D：基于相似度评估模型计算所述图片与预存图片之间的相似度值，对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片。
[0032]上述场景相似度估计方法、装置、计算机设备和存储介质，所述方法包括：从数据库中获取带有前景物体的图片；对所述图片的前景像素进行选区标注，利用标注好的选区作为标签训练前景物体语义分割模型；利用训练好的前景物体语义分割模型自动提取待检测图片中的选区，并去除前景物体，补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片；基于相似度评估模型计算所述图片与预存图片之间的相似度值，对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片，本申请针对线上业务场景，通过大数据的方式对图像中的场景进行相似度比对，判断线上业务场景是否存在金融诈骗的风险，通过分割模型去除遮挡物体，接着对修复后的图像进行场景相似度比较能够有效提升相似度评估的准确性，从而提升金融风控的可靠性。
附图说明
[0033]图1为一个实施例中场景相似度估计方法的应用环境图；
[0034]图2为一个实施例中场景相似度估计方法的流程示意图；
[0035]图3为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种场景相似度估计方法，其特征在于，所述方法包括：从数据库中获取带有前景物体的图片；对所述图片的前景像素进行选区标注，利用标注好的选区作为标签训练前景物体语义分割模型；利用训练好的前景物体语义分割模型自动提取待检测图片中的选区，并去除前景物体，补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片；基于相似度评估模型计算所述图片与预存图片之间的相似度值，对所述相似度值高于预设值的图片进行聚类，输出聚类得到的所有图片。2.根据权利要求1所述的场景相似度估计方法，其特征在于，利用图片注释工具对所述图片的前景像素进行选区标注。3.根据权利要求1所述的场景相似度估计方法，其特征在于，所述去除前景物体遮挡的图片的获取过程包括：利用所述训练好的前景物体语义分割模型自动提取待检测图片中的选区；将所述待检测图片与所述选区同时输入图片修复网络，利用所述图片修复网络去除前景物体，并补全所述待检测图片中背景像素，得到去除前景物体遮挡的图片。4.根据权利要求1所述的场景相似度估计方法，其特征在于，所述相似度评估模型的训练过程包括：利用所述训练好的前景物体语义分割模型自动提取数据库中图片的选区，并去除前景物体，补全所述图片中背景像素，得到去除前景物体遮挡的图片；将所述去除前景物体遮挡的图片加入公开场景数据集中，生成新数据集；基于所述新数据集，采用无监督对比学习策略训练预设的相似度评估模型；当评估精度达到预设值时，得到训练好的相似度评估模型。5.根据权利要求1所述的场景相似度估计方法，其特征在于，所述基于相似度评估模型计算所述图片与预存图片之间的相似度值包括：分别提取所述去除前景物体遮挡图片和所述预存图片的图片特征，所述图片特征为1...
【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：
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。