基于深度学习的自动图像内容审核方法技术

本发明专利技术公开了一种基于深度学习的自动图像内容审核方法，主要解决现有自动图像内容审核方法的准确性和效率低的问题。本发明专利技术包括步骤：S1、特征提取：使用深度卷积神经网络对输入图像进行卷积操作，提取图像特征；S2、敏感区域精准分割：采用基于Faster R‑CNN的Mask R‑CNN方法实现面部和人体敏感区域的精准定位和分割；S3、训练数据集建模：构建图像样本的训练数据集，并进行人工标注；S4、综合判定：将提取的图像特征与训练好的模型进行匹配，提取图像的EXIF信息，将EXIF信息与模型的输出结果结合，进行综合分析；S5、动态学习：根据用户反馈和纠错信息，实时更新和优化模型，通过反馈纠错不断增强和丰富分类标准,实现多类型内容识别；S6、完成识别。

【技术实现步骤摘要】

本专利技术涉及自动图像内容审核，特别是涉及一种基于深度学习的自动图像内容审核方法。

技术介绍

1、自动图像内容审核方法在近年来得到了广泛关注，这主要归因于互联网上图像内容的爆炸式增长，以及对有害、违规或不适当内容传播的担忧。这些内容包括但不限于色情、暴力、仇恨言论、虚假信息以及其他令人反感或具有侵犯性的内容。为了维护网络环境的健康与安全，自动图像内容审核方法应运而生，旨在减轻人工审核的负担，提高审核效率并降低成本。尽管自动图像内容审核方法在近年来得到了广泛关注，但在现有技术中仍然存在一些技术缺陷，这些缺陷可能影响到审核的准确性和效率。以下是一些主要的技术缺陷：

2、1、传统机器学习方法分类效果不佳：相较于深度学习方法，传统机器学习方法(如支持向量机、决策树等)在图像分类任务上的表现较差。这是因为传统机器学习方法依赖于人工设计的特征，如sift、hog等，这些特征难以捕捉图像的真实含义和复杂模式。此外，人工设计特征的过程既耗时又复杂，限制了模型的性能。

3、2、深度学习早期版本分类准确率略高但训练成本巨大：尽管深度学习方法(如卷积神经本文档来自技高网...

【技术保护点】

1.基于深度学习的自动图像内容审核方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤S2中采用Mask R-CNN模型分割算法具体步骤如下:

3.根据权利要求2所述的方法，其特征在于，所述步骤S2中区域分类和边界框回归的具体操作方法如下：

4.根据权利要求3所述的方法，其特征在于，所述步骤S2中分割掩码预测的具体操作方法如下：

5.根据权利要求4所述的方法，其特征在于，所述步骤S2中分类损失的具体算法如下：

6.根据权利要求5所述的方法，其特征在于，所述步骤S2中边界框回归损失的具体算法如下：<...

【技术特征摘要】

1.基于深度学习的自动图像内容审核方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述步骤s2中采用mask r-cnn模型分割算法具体步骤如下:

3.根据权利要求2所述的方法，其特征在于，所述步骤s2中区域分类和边界框回归的具体操作方法如下：

4.根据权利要求3所述的方法，其特征在于，所述步骤s2中分割掩码预测的具体操作方法如下：

5.根据权利要求4所述的方法，其特征在于，所述步骤s2中分类损失的具体算法如下：

6....

【专利技术属性】
技术研发人员：张阳华，石楠，刘建辉，
申请(专利权)人：郑州悉知信息科技股份有限公司，
类型：发明
国别省市：