[发明专利]一种低俗图片的识别方法、装置、服务器及存储介质有效
申请号: | 201710993101.7 | 申请日: | 2017-10-23 |
公开(公告)号: | CN107729944B | 公开(公告)日: | 2021-05-07 |
发明(设计)人: | 高光明;邓玥琳;丁飞;刘辉;齐智峰;武延豪 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京品源专利代理有限公司 11332 | 代理人: | 孟金喆 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 低俗 图片 识别 方法 装置 服务器 存储 介质 | ||
1.一种低俗图片的识别方法,其特征在于,所述方法包括:
通过第一级网络模型将各个待识别图片划分到正常图片集或者疑似低俗图片集中;
通过第二级网络模型将疑似低俗图片集中各个待识别图片识别为正常图片或者低俗图片;
所述通过第二级网络模型将疑似低俗图片集中各待识别图片识别为正常图片或者低俗图片,包括:
通过所述第二级网络模型将所述疑似低俗图片集中全部待识别图片划分到N个低俗类别中;其中,N为大于等于1的自然数;
根据各个待识别图片对应的低俗类别将其识别为所述正常图片或者所述低俗图片;
所述通过第二级网络模型将所述疑似低俗图片集中全部待识别图片划分到N个低俗类别中,包括:
通过所述第二级网络模型计算所述疑似低俗图片集中各个待识别图片在各个低俗类别中的置信度;
将所述疑似低俗图片集中各个待识别图片划分到全部低俗类别中置信度最高的低俗类别中。
2.根据权利要求1所述的方法,其特征在于,所述通过第二级网络模型将疑似低俗图片集中各待识别图片识别为正常图片或者低俗图片,包括:
通过所述第二级网络模型将所述疑似低俗图片集中全部待识别图片划分到N个低俗类别中;
将全部低俗类别中的待识别图片划分到M个低俗等级中;其中,M为大于等于1且小于等于N的自然数;
根据各个待识别图片对应的低俗等级将其识别为所述正常图片或者所述低俗图片。
3.根据权利要求2所述的方法,其特征在于,所述将全部低俗类别中的待识别图片划分到M个低俗等级中,包括:
通过所述第二级网络模型计算所述疑似低俗图片集中各个待识别图片在各个低俗类别中的置信度;
根据所述疑似低俗图片集中各个待识别图片在各个低俗类别中的置信度计算各个低俗类别中各个待识别图片在各个低俗等级中的置信度;
将所述疑似低俗图片集中各个待识别图片划分到全部低俗等级中置信度最高的低俗等级中。
4.一种低俗图片的识别装置,其特征在于,所述装置包括:划分单元和识别单元;其中,
所述划分单元,用于通过第一级网络模型将各个待识别图片划分到正常图片集或者疑似低俗图片集中;
所述识别单元,通过第二级网络模型将疑似低俗图片集中各个待识别图片识别为正常图片或者低俗图片;
所述识别单元包括:第一划分子单元和第一识别子单元;其中,
所述第一划分子单元,用于通过所述第二级网络模型将所述疑似低俗图片集中全部待识别图片划分到N个低俗类别中;其中,N为大于等于1的自然数;
所述第一识别子单元,用于根据各个待识别图片对应的低俗类别将其识别为所述正常图片或者所述低俗图片;
所述第一划分子单元,具体用于:
通过所述第二级网络模型计算所述疑似低俗图片集中各个待识别图片在各个低俗类别中的置信度;
将所述疑似低俗图片集中各个待识别图片划分到全部低俗类别中置信度最高的低俗类别中。
5.根据权利要求4所述的装置,其特征在于,所述识别单元包括:第二划分子单元和第二识别子单元;其中,
所述第二划分子单元,用于通过所述第二级网络模型将所述疑似低俗图片集中全部待识别图片划分到N个低俗类别中;将全部低俗类别中的待识别图片划分到M个低俗等级中;其中,M为大于等于1且小于等于N的自然数;
所述第二识别子单元,用于根据各个待识别图片对应的低俗等级将其识别为所述正常图片或者所述低俗图片。
6.根据权利要求5所述的装置,其特征在于,所述第二划分子单元,具体用于通过所述第二级网络模型计算所述疑似低俗图片集中各个待识别图片在各个低俗类别中的置信度;根据所述疑似低俗图片集中各个待识别图片在各个低俗类别中的置信度计算各个低俗类别中各个待识别图片在各个低俗等级中的置信度;将所述疑似低俗图片集中各个待识别图片划分到全部低俗等级中置信度最高的低俗等级中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710993101.7/1.html,转载请声明来源钻瓜专利网。