[发明专利]基于人工智能的低俗图像识别方法、装置及电子设备

权利要求书

1.一种基于人工智能的低俗图像识别方法，其特征在于，包括：

对图像进行人体层级的分类处理，得到人体预测区域以及对应的人体类别；

对所述图像进行部位层级的分类处理，得到至少一个部位预测区域、以及每个所述部位预测区域对应的部位类别；

将所述人体预测区域与所述至少一个部位预测区域进行位置匹配处理，得到与所述人体预测区域匹配成功的部位预测区域；

根据所述人体预测区域对应的人体类别、以及所述匹配成功的部位预测区域对应的部位类别，确定所述图像的低俗图像识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对图像进行人体层级的分类处理，得到人体预测区域以及对应的人体类别，包括：

通过人体分类模型对所述图像的图像特征进行分类处理，得到人体预测区域以及所述人体预测区域对应多种候选人体类别的概率；

将概率最大的候选人体类别作为所述人体预测区域对应的人体类别；

所述对所述图像进行部位层级的分类处理，得到至少一个部位预测区域、以及每个所述部位预测区域对应的部位类别，包括：

通过部位分类模型对所述图像的图像特征进行分类处理，得到至少一个部位预测区域、以及每个所述部位预测区域对应多种候选部位类别的概率；

针对每个所述部位预测区域，将概率最大的候选部位类别作为所述部位预测区域对应的部位类别。

3.根据权利要求2所述的方法，其特征在于，所述通过人体分类模型对所述图像的图像特征进行分类处理之前，所述方法还包括：

通过特征提取模型对所述图像进行特征提取处理，得到多个尺度的特征图；

通过特征融合模型对所述多个尺度的特征图进行融合处理，得到所述图像的图像特征。

4.根据权利要求3所述的方法，其特征在于，所述通过特征提取模型对所述图像进行特征提取处理之前，所述方法还包括：

获取样本图像、所述样本图像在所述人体层级的样本分类结果、以及所述样本图像在所述部位层级的样本分类结果；

通过低俗图像识别模型对所述样本图像进行前向传播处理，得到所述样本图像在所述人体层级的待对比分类结果、以及所述样本图像在所述部位层级的待对比分类结果；

根据所述人体层级的样本分类结果以及所述人体层级的待对比分类结果，确定所述人体层级的损失值，并根据所述部位层级的样本分类结果以及所述部位层级的待对比分类结果，确定所述部位层级的损失值；

对所述人体层级的损失值及所述部位层级的损失值进行加权处理，并根据得到的加权损失值在所述低俗图像识别模型中进行反向传播处理，以训练所述低俗图像识别模型；

其中，所述低俗图像识别模型包括所述特征提取模型、所述特征融合模型、所述人体分类模型及所述部位分类模型。

5.根据权利要求4所述的方法，其特征在于，所述获取样本图像、所述样本图像在所述人体层级的样本分类结果、以及所述样本图像在所述部位层级的样本分类结果之后，所述方法还包括：

将包括多个数据样本的样本集划分为训练集和验证集；

其中，所述数据样本包括一个样本图像、所述样本图像在所述人体层级的样本分类结果、以及所述样本图像在所述部位层级的样本分类结果；

其中，所述训练集用于训练所述低俗图像识别模型；

所述方法还包括：

根据所述验证集确定训练后的所述低俗图像识别模型的验证模型指标；

当所述验证模型指标小于或等于指标阈值时，根据所述训练集对训练后的所述低俗图像识别模型再次进行训练；

当所述验证模型指标大于所述指标阈值时，确定训练后的所述低俗图像识别模型训练完成。