[发明专利]一种色情分类模型的训练、图像检测方法及相关装置

权利要求书

1.一种色情分类模型的训练方法，其特征在于，所述色情分类模型包括一个主干网络、多个互为独立的分支网络，所述方法包括：

在忽略多个所述分支网络的条件下，单独训练所述主干网络，所述主干网络用于从图像数据中提取用于区分是否涉及色情的特征；

在维持所述主干网络不更新的条件下，使用所述主干网络分别辅助训练多个所述分支网络，每个所述分支网络用于根据所述特征计算所述图像数据属于色情下指定类别的概率。

2.根据权利要求1所述的方法，其特征在于，所述在忽略多个所述分支网络的条件下，单独训练所述主干网络，包括：

将图像数据输入所述主干网络中提取图像特征，所述图像数据已标注第一标签，所述第一标签表示是否涉及色情；

将所述图像特征输入主干全连接层中，以将所述图像特征映射为所述图像数据涉及色情的概率，作为主干概率；

计算所述第一标签与所述主干概率之间的差异，作为主干损失值；

基于所述主干损失值分别更新所述主干全连接层中的参数、所述主干网络中的参数；

判断是否满足预设的主干训练条件；若是，则确定所述主干网络训练完成；若否，则返回执行所述将图像数据输入所述主干网络中提取图像特征。

3.根据权利要求1或2中任一项所述的方法，其特征在于，所述在维持所述主干网络不更新的条件下，使用所述主干网络分别辅助训练多个所述分支网络，包括：

设定多个数值递减的学习率；

依次使用多个所述学习率执行多轮训练操作，每轮所述训练操作为在维持所述主干网络不更新的条件下，使用所述主干网络按照所述学习率分别更新多个所述分支网络。

4.根据权利要求3所述的方法，其特征在于，所述依次使用多个所述学习率执行多轮训练操作，包括：

加载所述主干网络、多个所述分支网络，所述主干网络继承单独训练完成时的参数，每个所述分支网络继承上一轮训练操作完成时的参数；

将图像数据输入所述主干网络中提取图像特征，所述图像数据为已标注第二标签，所述第二标签表示是否属于色情下指定的类别；

将所述图像特征分别输入每个所述分支网络中，以计算所述图像数据归属所述类别的概率，作为分支概率；

计算所述第二标签与所述分支概率之间的差异，作为分支损失值；

基于所述分支损失值与所述学习率更新所述分支网络中的参数，禁止更新所述主干网络中的参数；

判断是否满足预设的分支训练条件；若是，则确定所述分支网络完成本轮训练操作；若否，则返回执行所述将图像数据输入所述主干网络中提取图像特征。

5.根据权利要求2或4所述的方法，其特征在于，所述将图像数据输入所述主干网络中提取图像特征，包括：

确定所述主干网络中多个主干卷积块之间的顺序；

按照所述顺序依次调用多个所述主干卷积块对图像数据提取特征，以输出图像特征。

6.根据权利要求5所述的方法，其特征在于，所述主干卷积块包括第一主干卷积块、第二主干卷积块、第三主干卷积块、第四主干卷积块；

所述按照所述顺序依次调用多个所述主干卷积块对图像数据提取特征，以输出图像特征，包括：

将图像数据输入所述第一主干卷积块中执行卷积操作，获得第一主干特征；

将所述第一主干特征输入所述第二主干卷积块中执行卷积操作，获得第二主干特征；

将所述第二主干特征输入所述第三主干卷积块中执行卷积操作，获得第三主干特征；

将所述第三主干特征输入所述第四主干卷积块中执行卷积操作，获得图像特征。