[发明专利]推送数据检测方法、装置、计算机设备和存储介质

权利要求书

1.一种信息推送检测方法，其特征在于，所述方法包括：

获取待检测信息，所述待检测信息包括待检测图像和待检测文本；

提取所述待检测图像中的目标对象区域，并识别所述目标对象区域中目标对象的类别，根据所述目标对象的类别确定所述待检测信息对应的第一推送影响特征；

提取所述待检测图像中的图像文本，通过预设关键词库匹配所述图像文本，得到所述待检测信息对应的第二推送影响特征；

将所述待检测文本输入到待检测文本分类模型中进行文本分类，得到所述待检测文本类别，根据所述待检测文本类别得到所述待检测信息对应的第三推送影响特征；

基于所述第一推送影响特征、所述第二推送影响特征和所述第三推送影响特征确定所述待检测信息对应的推送检测结果。

2.根据权利要求1所述的方法，其特征在于，所述提取所述待检测图像中的目标对象区域，并识别所述目标对象区域中目标对象的类别，根据所述目标对象的类别确定所述待检测信息对应的第一推送影响特征，包括：

将所述待检测图像输入到目标对象检测模型中，所述目标对象检测模型包括目标对象区域检测网络和目标对象识别网络；

根据所述目标对象区域检测网络检测所述待检测图像，得到所述目标对象区域；

将所述目标对象区域输入到所述目标对象识别网络中进行识别，得到所述目标对象区域中所述目标对象的类别；

将所述目标对象的类别与预设推送反向影响对象类别进行匹配，当匹配一致时，得到所述待检测信息对应的第一推送影响特征为第一推送反向影响特征；

当匹配未一致时，得到所述待检测信息对应的第一推送影响特征为第一推送正向影响特征。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标对象区域输入到所述目标对象识别网络中进行识别，得到所述目标对象区域中所述目标对象的类别，包括：

通过所述目标对象识别网络计算所述目标对象区域的区域特征、通道注意力特征和空间注意力特征；

将所述通道注意力特征、空间注意力特征和区域特征进行组合，根据组合后的特征进行卷积计算，根据卷积计算结果进行分类识别确定所述目标对象区域中所述目标对象的类别。

4.根据权利要求2所述的方法，其特征在于，所述目标对象区域检测网络的训练包括以下步骤：

获取已标注目标对象区域的训练图像；

将所述已标注目标对象区域的训练图像输入到初始目标对象区域检测网络中检测，得到初始目标对象区域；

计算所述初始目标对象区域与所述已标注目标对象区域的区域误差信息，根据所述区域误差信息更新所述初始目标对象区域检测网络中的网络参数；

直到训练得到的区域误差信息符合预设第一训练完成条件时，得到已训练的目标对象区域检测网络。

5.根据权利要求2所述的方法，其特征在于，所述目标对象识别网络的训练包括以下步骤：

获取已标注目标对象区域的训练图像，从所述训练图像中提取所述已标注目标对象区域，并获取所述已标注目标对象区域对应的目标对象类别标签；

将所述已标注目标对象区域输入到初始目标对象识别网络中进行分类，得到输出的训练目标对象类别概率，根据所述训练目标对象类别概率得到训练目标对象类别；

计算所述目标对象类别标签与所述训练目标对象类别的类别误差信息，基于所述类别误差信息更新所述初始目标对象识别网络中的网络参数；

直到训练得到的类别误差信息达到预设第二训练完成条件时，得到已训练的目标对象识别网络。

6.根据权利要求1所述的方法，其特征在于，所述提取所述待检测图像中的图像文本，通过预设关键词库匹配所述图像文本，得到所述待检测信息对应的第二推送影响特征，包括：

通过图像文本识别算法提取所述待检测图像中的图像文本，将所述图像文本分词，得到各个待检测词；

将所述各个待检测词与所述预设关键词库中的推送反向影响关键词进行匹配；

当匹配一致时，得到所述待检测信息对应的第二推送影响特征为第二推送反向影响特征；

当匹配未一致时，得到所述待检测信息对应的第二推送影响特征为第二推送正向影响特征。