[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

说明书

本发明提供了一种色情分类模型的训练、图像检测方法及相关装置，该方法包括：在忽略多个分支网络的条件下，单独训练主干网络，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，在维持主干网络不更新的条件下，使用主干网络分别辅助训练多个分支网络，每个分支网络用于根据特征计算图像数据属于色情下指定类别的概率。一方面，将色情下不同的类别当作一个整体看待，并不区分色情下不同的类别，避免了色情下不同的类别的界限不明显导致准确率低的缺陷，另一方面，分支网络属于整个色情分类模型中的一部分，其结构的复杂度小于整个模型本身，不仅可以区分色情下不同的类别，满足业务的需求，还可以减少计算量，减少对资源的占用。

技术领域

本发明涉及计算机视觉的技术领域，尤其涉及一种色情分类模型的训练、图像检测方法及相关装置。

背景技术

图像数据的内容丰富、直观，可以表达一定的语义信息，使得网站中多种业务经常应用图像数据，如短视频、用户封面、表情等。

一些用户利用图像数据本身携带语义信息的特性，在特定的环境下隐藏一些色情的信息，产生不良影响，对于用户封面等传播广的图像数据，尤为明显。

对此，各大网络平台会使用深度学习、人工审核对用户上传的图像数据进行分类、审核，从而过滤其中包含色情内容的图像数据。

目前，深度学习对于色情多分类的问题有如下两种方案：

第一种方案、提供一个多分类模型，但是，由于涉及色情的图像数据的分类界限不明显，导致多分类模型的准确率较低。

第二种方案、提供多个二分类模型，但是，运行多个二分类模型会导致计算量大，资源消耗大。

发明内容

本发明提出了一种色情分类模型的训练、图像检测方法及相关装置，以解决如何在对图像数据进行色情分类时兼顾准确率与计算量的问题。

第一方面，本发明实施例提供了一种色情分类模型的训练方法，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。

第二方面，本发明实施例还提供了一种图像检测方法，包括：

加载色情分类模型，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；

接收目标文件，所述目标文件中具有一帧或多帧图像数据；

将所述图像数据输入所述主干网络中，以提取用于区分是否涉及色情的图像特征；

将所述图像特征分别输入多个所述分支网络中，以分别计算所述图像数据属于色情下指定类别的概率，作为目标概率。

第三方面，本发明实施例还提供了一种色情分类模型的训练装置，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，所述装置包括：

主干网络训练模块，用于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；

分支网络训练模块，用于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。

第四方面，本发明实施例还提供了一种图像检测装置，包括：

色情分类模型加载模块，用于加载色情分类模型，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；