[发明专利]信息处理方法及装置、电子设备和计算机可读介质

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取自同一来源采集的待检测的图像信息和文字信息；

将所述图像信息输入至训练好的深度卷积神经网络模型，并将所述文字信息输入至训练好的递归神经网络模型；

利用所述深度卷积神经网络模型输出所述图像信息是否包括毒品信息的第一预测结果，并通过所述递归神经网络模型输出所述文字信息是否包括毒品信息的第二预测结果；

根据所述第一预测结果和所述第二预测结果判断所述图像信息和文字信息是否包括毒品信息。

2.如权利要求1所述的方法，其特征在于，若所述图像信息包括多帧目标图像，则利用所述深度卷积神经网络模型输出所述图像信息是否包括毒品信息的第一预测结果，包括：

通过所述深度卷积神经网络依次输出各帧目标图像是否包括毒品信息的第一预测子结果；

根据各帧目标图像的第一预测子结果统计所述多帧目标图像中包括毒品信息的目标图像数量；

若所述多帧目标图像中包括毒品信息的目标图像数量超过设定阈值，则判定所述第一预测结果为所述图像信息包括毒品信息。

3.如权利要求2所述的方法，其特征在于，还包括：

采集来自同一来源的视频信息；

对所述视频信息执行解帧操作，获得多帧图像；

对所述多帧图像进行抽帧操作，获得所述多帧目标图像。

4.如权利要求1所述的方法，其特征在于，还包括：

获取标注为包括毒品信息的正图片样本数据和标注为不包括毒品信息的负图片样本数据；

根据所述正图片样本数据和所述负图片样本数据训练所述深度卷积神经网络模型。

5.如权利要求1所述的方法，其特征在于，还包括：

获取标注为包括毒品信息的正文字样本数据和标注为不包括毒品信息的负文字样本数据；

根据所述正文字样本数据和所述负文字样本数据训练所述递归神经网络模型。

6.如权利要求1所述的方法，其特征在于，将所述文字信息输入至训练好的递归神经网络模型，包括：

提取所述文字信息的词向量；

根据所述文字信息的词向量获得所述文字信息的句向量；

输入所述文字信息的句向量至所述递归神经网络模型。

7.如权利要求1所述的方法，其特征在于，所述同一来源包括同一电子商务购物平台的同一商品页面和/或同一即时通讯平台的预设时段内的同一聊天记录。

8.一种信息处理装置，其特征在于，包括：

图像文字信息获取模块，配置为获取自同一来源采集的待检测的图像信息和文字信息；

图像文字信息输入模块，配置为将所述图像信息输入至训练好的深度卷积神经网络模型，并将所述文字信息输入至训练好的递归神经网络模型；

图像文字信息预测模块，配置为利用所述深度卷积神经网络模型输出所述图像信息是否包括毒品信息的第一预测结果，并通过所述递归神经网络模型输出所述文字信息是否包括毒品信息的第二预测结果；

图像文字信息判断模块，配置为根据所述第一预测结果和所述第二预测结果判断所述图像信息和文字信息是否包括毒品信息。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。