基于大数据深度学习的隐私图片清理方法、设备及介质技术

本发明专利技术的一种基于大数据深度学习的隐私图片清理方法、设备及介质，包括输入图像；图像预处理；通过运用深度卷积神经网络的深度学习模型进行信息检测；基于支持向量机、随机森林这些机器学习算法，将检测到的信息进行隐私级别分类；在用户体验层面，让用户能自定义如何处理联系到各类隐私等级的图像；根据用户定义的处理办法，执行相对应的操作；获取用户反馈，进行自我学习和优化。本发明专利技术通过采用先进的深度学习技术，提供高精度的隐私信息识别，以满足个体化和多变化隐私需求，以提高识别准确率；利用用户反馈和行为分析数据，构建自适应模型，以便快速响应隐私标准的更迭和多样化隐私要求，增强系统的自适应性。

【技术实现步骤摘要】

本专利技术涉及图像识别，具体涉及一种基于大数据深度学习的隐私图片清理方法、设备及存储介质。

技术介绍

1、随着个人数据保护的关注度升高，自动化识别和处理包含隐私信息的图像成为重要需求。现有技术包含基于机器学习的图像识别方法和基于规则的过滤系统，它们能够在一定程度上检测和管理隐私图像，但存在准确率不高和适应性差的问题。近期，深度学习技术在图像识别准确性上取得进展，但当前的实现方案通常缺乏自适应性，并且在复杂多变的环境下识别效率仍有待提高。边缘计算结合方案尝试提高数据处理的隐私性和即时性，但受限于设备的计算能力，有限的模型复杂度限制了其应用范围。本专利技术旨在解决这些限制，通过创新的深度学习技术应用，显著提高隐私图像的自动识别性能和系统的实时响应能力。

2、具体的说，现有技术的缺点主要集中在以下几个方面：

3、1.准确率不足：现有的机器学习方法在复杂场景下识别隐私图像的准确率不高，难以适应用户个性化的隐私保护需求。

4、2.自适应性差：随着隐私定义的不断演变和多样化，现有系统难以快速适应新型隐私标准，无法有效处理新出现的隐私本文档来自技高网...

【技术保护点】

1.一种基于大数据深度学习的隐私图片清理方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的基于大数据深度学习的隐私图片清理方法，其特征在于：步骤S1中采用具有健壮性的针对各种包括JPG、PNG、BMP图像格式的编码/解码算法，将图像数据导入系统。

3.根据权利要求2所述的基于大数据深度学习的隐私图片清理方法，其特征在于：步骤S2中这个环节使用数学计算和算法，包括高斯滤波器进行图像降噪、Z-Score方法进行数据标准化、以及MinMaxScaler应用于归一化操作；

4.根据权利要求1所述的基于大数据深度学习的隐私图片清理方法，其特征在于：S7中...

【技术特征摘要】

1.一种基于大数据深度学习的隐私图片清理方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的基于大数据深度学习的隐私图片清理方法，其特征在于：步骤s1中采用具有健壮性的针对各种包括jpg、png、bmp图像格式的编码/解码算法，将图像数据导入系统。

3.根据权利要求2所述的基于大数据深度学习的隐私图片清理方法，其特征在于：步骤s2中这个环节使用数学计算和算法，包括高斯滤波器进行图像降噪、z-score方法进行数据标准化、以及minmaxscaler应用于归一化操作；

4.根据权利要求1所述的基于大数据深度学习的隐私图片清理方法，其特征在于：s7中包括构建一种基于用户反馈的reward function，通过强化学习算法让系统优化其预定义的规则和用户界面。

5.一种基于大数据深度学习的隐私图片清理系统，其特征在于：包括以下模块：

6.根据权利要求5所述的基于大数据深度学习的隐私图片清理系统，其特征在于：所述图像预处理的处理流程包括首先将接收到的各种格式的图像数据进行解码，然后应用高斯滤波、归一化和尺寸调整预处理技术，将输入的图像数据进行标准化和...

【专利技术属性】
技术研发人员：周春峰，程晋，徐涛，宋巨龙，刘泽，
申请(专利权)人：小沃科技有限公司，
类型：发明
国别省市：