一种图像检测方法、装置、设备及可读存储介质制造方法及图纸

本申请实施例公开了一种图像检测方法、装置、设备及可读存储介质，涉及人工智能领域中的图像处理技术，其中，方法包括：获取待检测的样本图像，将样本图像输入初始检测模型进行检测，得到样本检测结果；获取样本图像的样本标签，基于样本标签和样本检测结果确定初始检测模型的损失特征；计算初始检测模型中目标层特征图的特征，基于特征对目标层特征图进行遮蔽处理；基于遮蔽处理后的目标层特征图的特征对初始检测模型的损失特征进行调整，得到目标检测模型；将目标图像输入目标检测模型进行检测，得到目标检测结果，目标检测结果用于指示目标图像为真实图像或者非真实图像。采用本申请实施例，可以提高图像检测的效率及准确性。可以提高图像检测的效率及准确性。可以提高图像检测的效率及准确性。

【技术实现步骤摘要】
一种图像检测方法、装置、设备及可读存储介质


[0001]本申请涉及图像处理
，尤其涉及一种图像检测方法、装置、设备及可读存储介质。

技术介绍

[0002]随着深度伪造技术的快速发展，社交媒体上出现了大量的非真实图像或者视频，例如P图后的图像或视频、假脸图像或视频(如将他人的脸P在自己脸部的图像或视频)，导致人工难以辨别图像的真实性。
[0003]目前判断图像的真实性的方法一般是利用研究人员观察到的先验知识进行判断，比如一些明显存在造假的现象。例如，观察到造假视频中的眼睛基本是不眨眼的，即可以通过人工根据眼睛的眨眼情况来辨别视频的真假。或者，从造假图像或者视频中观察到仅仅从人脸中心区域估计出来的头部姿态与从全脸估计出来的头部姿态并不一致，利用真假图像在这方面的差异进行检测图像的真实性。但是，该种通过人工观察的方式效率较低，并且，该种方式的准确性较低。

技术实现思路

[0004]本申请实施例提供一种图像检测方法、装置、设备及可读存储介质，可以提高图像检测的准确性及效率。
[0005]第一方面，本申请提供一种图像检测方法，包括：
[0006]获取待检测的样本图像，将该样本图像输入初始检测模型进行检测，得到样本检测结果，该样本检测结果用于指示该样本图像为真实图像或者非真实图像；
[0007]获取该样本图像的样本标签，基于该样本标签和该样本检测结果确定该初始检测模型的损失特征；
[0008]计算该初始检测模型中目标层特征图的特征，基于该特征对该目标层特征图进行遮蔽处理；
[0009]基于该遮蔽处理后的目标层特征图的特征对该初始检测模型的损失特征进行调整，得到目标检测模型；
[0010]将目标图像输入该目标检测模型进行检测，得到目标检测结果，该目标检测结果用于指示该目标图像为真实图像或者非真实图像。
[0011]第二方面，本申请提供一种图像检测装置，包括：
[0012]样本检测单元，用于获取待检测的样本图像，将该样本图像输入初始检测模型进行检测，得到样本检测结果，该样本检测结果用于指示该样本图像为真实图像或者非真实图像；
[0013]损失确定单元，用于获取该样本图像的样本标签，基于该样本标签和该样本检测结果确定该初始检测模型的损失特征；
[0014]图像处理单元，用于计算该初始检测模型中目标层特征图的特征，基于该特征对
该目标层特征图进行遮蔽处理；
[0015]模型调整单元，用于基于该遮蔽处理后的目标层特征图的特征对该初始检测模型的损失特征进行调整，得到目标检测模型；
[0016]图像检测单元，用于将目标图像输入该目标检测模型进行检测，得到目标检测结果，该目标检测结果用于指示该目标图像为真实图像或者非真实图像。
[0017]第三方面，本申请提供了一种计算机设备，包括：处理器、存储器、网络接口；
[0018]上述处理器与存储器、网络接口相连，其中，网络接口用于提供数据通信功能，上述存储器用于存储计算机程序，上述处理器用于调用上述计算机程序，以使包含该处理器的计算机设备执行上述图像检测方法。
[0019]第四方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序适于由处理器加载并执行，以使得具有该处理器的计算机设备执行上述图像检测方法。
[0020]第五方面，本申请提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令被处理器执行时实现上述图像检测方法。例如，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请第一方面的图像检测方法。
[0021]本申请实施例中，通过初始检测模型对样本图像的样本检测结果和样本图像的样本标签，可以确定初始检测模型中的损失特征，进而通过对初始检测模型中的图像特征进行遮蔽处理，基于遮蔽处理后的特征对初始检测模型的损失特征进行调整，得到目标检测模型。由于图像中含有较多特征，对于某些明显的特征，在进行模型预测时，更容易根据该类明显特征确定模型的输出结果，而忽略掉图像中的其他特征，因此通过对此类明显特征进行遮蔽处理，可以使模型关注到图像中的更多的特征，从而提高图像预测的准确性。进一步地，通过使用目标检测模型对目标图像进行检测，可以提高图像检测的效率。
附图说明
[0022]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。
[0023]图1是本申请实施例提供的一种图像检测系统的架构示意图；
[0024]图2是本申请实施例提供的一种图像检测方法的应用场景示意图；
[0025]图3是本申请实施例提供的一种图像检测方法的流程示意图；
[0026]图4是本申请实施例提供的一种梯度遮蔽示意图；
[0027]图5是本申请实施例提供的一种模型预测示意图；
[0028]图6是本申请实施例提供的另一种图像检测方法的流程示意图；
[0029]图7是本申请实施例提供的一种图像检测装置的组成结构示意图；
[0030]图8是本申请实施例提供的一种计算机设备的组成结构示意图。
具体实施方式
[0031]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，所描述的实施例仅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，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0032]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0033]其中，计算机视觉技术(Computer Vision,CV)是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
[0034]机器学习(Machine Learning,ML)是一门多领域交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：获取待检测的样本图像，将所述样本图像输入初始检测模型进行检测，得到样本检测结果，所述样本检测结果用于指示所述样本图像为真实图像或者非真实图像；获取所述样本图像的样本标签，基于所述样本标签和所述样本检测结果确定所述初始检测模型的损失特征；计算所述初始检测模型中目标层特征图的特征，基于所述特征对所述目标层特征图进行遮蔽处理；基于所述遮蔽处理后的目标层特征图的特征对所述初始检测模型的损失特征进行调整，得到目标检测模型；将目标图像输入所述目标检测模型进行检测，得到目标检测结果，所述目标检测结果用于指示所述目标图像为真实图像或者非真实图像。2.根据权利要求1所述的方法，其特征在于，所述目标层特征图的特征包括所述目标层特征图的梯度的模值；所述计算所述初始检测模型中目标层特征图的特征，包括：计算所述目标层特征图的梯度，所述目标层特征图的维度大小为H*W*C，H为高度，W是宽度，C为通道数；计算每个C维向量的模值，得到H*W个C维向量的模值，将所述H*W个C维向量的模值作为所述目标层特征图的梯度的模值。3.根据权利要求2所述的方法，其特征在于，所述基于所述特征对所述目标层特征图进行遮蔽处理，包括：基于所述H*W个C维向量的模值的大小按照从大到小进行排序，获取排序后的前k个模值，k为正整数；确定所述前k个模值对应的向量的掩码标签；基于所述掩码标签对所述H*W个C维向量进行遮蔽处理。4.根据权利要求2所述的方法，其特征在于，所述基于所述特征对所述目标层特征图进行遮蔽处理，包括：基于所述H*W个C维向量的模值的大小按照从大到小进行排序，得到向量的排序号；基于向量的排序号和向量的个数确定每个向量的掩码标签；基于所述掩码标签对所述H*W个C维向量进行遮蔽处理。5.根据权利要求4所述的方法，其特征在于，所述掩码标签包括第一掩码标签和第二掩码标签，所述第一掩码标签用于指示对所述目标层特征图中的对应向量进行遮蔽，所述第二掩码标签用于指示不对所述目标层特征图中的对应向量进行遮蔽；所述基于向量排序号和向量的个数确定每个向量的掩码标签，包括：若向量的排序号与向量的个数之间的比值小于过滤阈值，则确定所述向量的掩码标签为所述第一掩码标签；若向量的排序号与向量的个数之间的比值大于或等于所述过滤阈值，则确定所述向量的掩码标签为所述第...

【专利技术属性】
技术研发人员：张勇，李佩，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：