一种基于深度学习的图像识别方法和系统技术方案

本申请公开了一种基于深度学习的图像识别方法和系统，用于提高深度学习真假判别模型对AI模拟图像的识别的准确性。本申请包括：获取对抗神经网络模型和真实图像集；将真实图像输入AI生成模型中，生成AI模拟图像；将AI模拟图像输入对称特征检测器，生成模拟对称标签集合；将模拟对称标签集合和AI模拟图像进行融合，生成模拟增强图像；将真实图像和模拟增强图像输入真假判别器中，生成第一真假判别值和第二真假判别值；根据第一真假判别值、第二真假判别值以及损失函数计算损失；当损失不符合预设条件，则通过损失更新标签融合生成器和真假判别器的权值；当损失符合预设条件，则更换下一个AI生成模型，重新训练，直到全部训练完成。

【技术实现步骤摘要】

本申请实施例涉及深度学习领域，尤其涉及一种基于深度学习的图像识别方法和系统。

技术介绍

1、随着ai技术的不断发展，现如今越来越多的人使用ai技术处理生活与工作上的事务，ai技术的便利性和可靠性越来越得到体现。

2、现如今，人们可以使用ai技术进行问答，可以使用ai进行视频画面，甚至可以用ai技术对一张现有的真实图像进行重新绘制，生成不同风格的图像。甚至不需要真实图像，仅仅凭借用户的需求，ai模型都可以通过用户需求寻找真实素材进行图像绘制，通过ai生成的图像往往令普通人都无法识别出真伪。并且这类技术已经逐渐成熟，并且逐渐被更多的人所掌握。

3、但是，随着越来越多的人掌握ai绘制技术，不法分子也开始利用ai生成模型生成图像来进行电子诈骗或者加以文字来欺骗公众。尤其是通过ai生成模型绘制带有特定人脸的照片，使得人们误信图像为真实，基于错误的认识而将自身的财产转移给他人。这就使得针对经过ai生成模型处理后的图像的有效检测成为了当前需要迫切解决的问题。目前，针对如何识别ai生成模型所生成的模拟图像，最有效的方法就是通过另一个深度学习模型去进本文档来自技高网...

【技术保护点】

1.一种基于深度学习的图像识别方法，其特征在于，包括：

2.根据权利要求1所述基于深度学习的图像识别方法，其特征在于，所述模拟对称标签包括人脸对称特征标签和非人脸对称特征标签；

3.根据权利要求2所述基于深度学习的图像识别方法，其特征在于，所述模拟增强图像包括模拟人脸增强图像和模拟非人脸增强图像；

4.根据权利要求3所述基于深度学习的图像识别方法，其特征在于，在获取对抗神经网络模型和真实图像集，所述对抗神经网络模型中包括AI生成器组、对称特征检测器、标签融合生成器、人脸真假判别器和背景真假判别器之后，将所述真实图像输入所述AI生成器组中其中一种AI生成...

【技术特征摘要】

1.一种基于深度学习的图像识别方法，其特征在于，包括：

2.根据权利要求1所述基于深度学习的图像识别方法，其特征在于，所述模拟对称标签包括人脸对称特征标签和非人脸对称特征标签；

3.根据权利要求2所述基于深度学习的图像识别方法，其特征在于，所述模拟增强图像包括模拟人脸增强图像和模拟非人脸增强图像；

4.根据权利要求3所述基于深度学习的图像识别方法，其特征在于，在获取对抗神经网络模型和真实图像集，所述对抗神经网络模型中包括ai生成器组、对称特征检测器、标签融合生成器、人脸真假判别器和背景真假判别器之后，将所述真实图像输入所述ai生成器组中其中一种ai生成模型中，生成ai模拟图像之前，所述图像识别方法还包括：

5.根据权利要求1至4中任一项所述基于深度学习的图像识别方法，其特征在于，根据所述第一真假判别值、所述第二真假判别值以及损失函数计算损失，包括：

6.根据权利要求1所述基于深度学习的图像识别方...

【专利技术属性】
技术研发人员：余楷，梁正华，余正涛，黄于欣，秦舒浩，肖书芹，申林，武晓，赵林畅，夏道勋，冯夫健，苑建坤，谢真强，代杨，董厚泽，吴越，石睿，张燕，涂永高，韦克苏，李德仑，赵宇航，武圣江，王庄仆，郭宗余，郭宗智，
申请(专利权)人：中电科大数据研究院有限公司，
类型：发明
国别省市：