[发明专利]图像序列的审核方法及系统、电子设备和存储介质

权利要求书

1.一种图像序列的审核方法，其特征在于，所述审核方法包括：

基于神经网络建立图像序列模型；

获取待审核的图像序列；

提取所述图像序列中每张图像的图像特征并输入所述图像序列模型，计算所述图像序列符合发布要求的置信度。

2.如权利要求1所述的图像序列的审核方法，其特征在于，所述审核方法还包括：

判断所述图像序列的置信度是否大于阈值；

在判断为否时，提示申诉信息；

在接收到申诉指令时，对置信度小于等于阈值的目标图像序列进行复核；

在接收到复核不通过指令时，提示不予发布信息；

在接收到复核通过指令时，发布所述目标图像序列。

3.如权利要求2所述的图像序列的审核方法，其特征在于，基于神经网络建立图像序列模型，具体包括：

获取已标记的图像序列作为第一训练样本；

提取所述第一训练样本中每张图像的图像特征并依次输入神经网络模型；

所述神经网络模型的输出参数为置信度；

采用端到端的训练方式训练所述神经网络模型，确定所述神经网络模型的参数以得到所述图像序列模型。

4.如权利要求3所述的图像序列的审核方法，其特征在于，对所述目标图像序列进行复核的步骤之后，还包括：

标记所述目标图像序列并作为第二训练样本；

根据所述第二训练样本训练所述图像序列模型，以更新模型的参数。

5.如权利要求1-4中任意一项所述的图像序列的审核方法，其特征在于，提取每张图像的图像特征，具体包括：

基于深度卷积神经网络模型提取所述图像特征。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的图像序列的审核方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的图像序列的审核方法的步骤。

8.一种图像序列的审核系统，其特征在于，所述审核系统包括：

模型建立模块，用于基于神经网络建立图像序列模型；

图像序列获取模型，用于获取待审核的图像序列；

特征提取模块，用于提取所述图像序列中每张图像的图像特征并输入所述图像序列模型；

所述图像序列模型用于计算所述图像序列符合发布要求的置信度。

9.如权利要求8所述的图像序列的审核系统，其特征在于，所述审核系统还包括：判断模型、提示模块、复核模块和发布模块；

所述判断模型用于判断所述图像序列的置信度是否大于阈值；

在所述判断模型判断为否时，调用所述提示模块提示申诉信息；

所述复核模块用于在接收到申诉指令时，对置信度小于等于阈值的目标图像序列进行复核，并在接收到复核不通过指令时，调用所述提示模块提示不予发布信息，在接收到复核通过指令时，调用所述发布模块发布所述目标图像序列。

10.如权利要求9所述的图像序列的审核系统，其特征在于，所述模型建立模块具体包括：

样本获取单元，用于获取已标记的图像序列作为第一训练样本；

特征提取单元，用于提取所述第一训练样本中每张图像的图像特征并依次输入神经网络模型；

所述神经网络模型的输出参数为置信度；

模型训练单元，用于采用端到端的训练方式训练所述神经网络模型，确定所述神经网络模型的参数以得到所述图像序列模型。

11.如权利要求10所述的图像序列的审核系统，其特征在于，所述样本获取单元还用于标记所述目标图像序列并作为第二训练样本；

所述模型训练单元还用于根据所述第二训练样本训练所述图像序列模型，以更新模型的参数。

12.如权利要求8-11中任意一项所述的图像序列的审核系统，其特征在于，所述特征提取模块具体用于基于深度卷积神经网络模型提取所述图像特征。