【技术实现步骤摘要】
本专利技术涉及图像识别，特别涉及一种图像敏感信息的识别方法、系统、设备及介质。
技术介绍
1、随着互联网的推广，通过浏览网站获取信息知识已经成为人们休闲学习的主流方式，网络图像由于便于阅读和获取，各类网站中被大量生产和传播。然后也会存在一些问题，大量敏感信息出于各种目的在网站上被广泛传播，严重影响网络环境的健康和安全。
2、现有技术中，传统的网络敏感图像识别来于人工检测，但是人工检测效率较低成本较高。还有基于规则的方法和基于特征的方法，基于规则的方法通常通过人工定义规则来识别敏感信息，由于规则存在复杂性和多样性，无法覆盖所有敏感信息。基于特征的方法则使用预定义的特征提取算子，如边检测、颜色分布等，但是这些特征在不同图像中的表现可能存在差异，导致无法准确发现敏感信息。基于深度学习的图像敏感信息识别是通过对图像特征的抓取，实现对敏感信息的自动检测与识别。但是深度学习方法受图像中背景信息、人物姿势等影响，另外深度学习模型的有效性与可用数据量成正比，大规模的海量数据也会出现从多个来源收集多个加密数据集的问题，这样也容易出现图像敏感信...
【技术保护点】
1.一种图像敏感信息的识别方法，其特征在于，包括：
2.根据权利要求1所述的图像敏感信息的识别方法，其特征在于，所述基于所述图像信息选取训练样本，输入所述训练样本训练所述卷积神经网络深度模型，包括：
3.根据权利要求2所述的图像敏感信息的识别方法，其特征在于，所述生成识别结果包括第一预设候选区域识别得到的第一区域图像敏感信息和第二预设候选区域识别得到的第二区域图像敏感信息。
4.根据权利要求1所述的图像敏感信息的识别方法，其特征在于，所述获取经过预处理的图像信息，包括：
5.根据权利要求4所述的图像敏感信息的识别方法，其...
【技术特征摘要】
1.一种图像敏感信息的识别方法，其特征在于，包括：
2.根据权利要求1所述的图像敏感信息的识别方法，其特征在于，所述基于所述图像信息选取训练样本，输入所述训练样本训练所述卷积神经网络深度模型，包括：
3.根据权利要求2所述的图像敏感信息的识别方法，其特征在于，所述生成识别结果包括第一预设候选区域识别得到的第一区域图像敏感信息和第二预设候选区域识别得到的第二区域图像敏感信息。
4.根据权利要求1所述的图像敏感信息的识别方法，其特征在于，所述获取经过预处理的图像信息，包括：
5.根据权利要求4所述的图像敏感信息的识别方法，其特征在于，所述尺寸调整包括：
6.根据权利要求5所述的图像敏感信息的识别方...
【专利技术属性】
技术研发人员：蒙亮，符华，靳冬凌，韦思思，孟椿智，李俊慧，王松，农淳凯，
申请(专利权)人：广西电网有限责任公司南宁供电局，
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。