[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

说明书

本发明公开了一种图像序列的审核方法及系统、电子设备和存储介质。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。本发明通过基于深度学习的图像序列模型代替人工审核，实现了图像序列的自动审核，正确率大大提高，且降低了人工成本。

技术领域

本发明涉及计算机技术领域，特别涉及一种图像序列的审核方法及系统、电子设备和存储介质。

背景技术

为了符合有关规定，在互联网站上发布图像前，需对该图像进行审核。例如，在电商或第三方评测网站上，需对图片和文字的相关度、图片的质量、是否存在违规元素以及多张相关图片的关联序列进行审核。不同的网站有不同的要求。

目前，图像审核的方式主要有两种：

(1)纯人工审核，也即由专门的业务人员根据审核细则逐个审核单张图片以及图片序列检查。该方式人工成本高，效率低，且出错率高；

(2)半人工审核，也即所有图像先经过分类器或检测器进行简单分类、过滤，再由人工审核图像序列是否合理。该方式虽然能筛除不符合要求的单张图片，但是图像序列的审核仍需要人工完成，工作量还是很大。

发明内容

本发明要解决的技术问题是为了克服现有技术中无法实现图像序列审核的缺陷，提供一种图像序列的审核方法及系统、电子设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

一种图像序列的审核方法，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。

较佳地，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。

较佳地，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。

较佳地，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。

较佳地，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。

本发明还提供一种电子设备，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，所述处理器执行所述计算机程序时实现上述任一项所述的图像序列的审核方法。