[发明专利]图像场景分类方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了一种图像场景分类方法、装置、设备及存储介质。该方法包括：获取历史面审终端采集的多张典型图像，并分别对各典型图像进行增强处理，得到各典型图像对应的扩充图像；利用预置特征提取模型，分别对各典型图像和对应的扩充图像进行对比学习，得到对应的多个第一局部特征；根据多个第一局部特征，构建各个场景类别的典型特征；获取当前面审终端上传的目标图像，并利用特征提取模型，提取目标图像对应的各个第二局部特征；对各第二局部特征和各典型特征进行相似度校验，得到检验结果，并根据校验结果，得到目标图像所在的场景类别。本发明提升了面审过程对场景的分类准确度。

技术领域

本发明涉及人工智能领域，尤其涉及一种图像场景分类方法、装置、设备及存储介质。

背景技术

交易安全一直是银行、金融机构所追求的一个重要方面，如何提高交易的安全性和可靠性是各机构的迫切需求，所以银行特别看重反欺诈算法的研究，其中，场景分类是反欺诈的一个重要方面，它可以帮助银行确定客户的交易环境是否安全。随着深度学习的快速发展，深度学习展现了高的性能在分类等任务上，所以目前很多场景分类的任务都是借助神经网络来完成的。

银行的反欺诈主要用在了面审数据的审核上，银行的面审数据有以下几个特点：一是由于对客户隐私的保护，可以授权给神经网络训练的数据很少，直接学习容易过拟合。二是，面审图像里，一张图的很大一部分区域被人脸所覆盖，只透露出很少的场景相关的信息，这个极大增加了场景识别的难度。鉴于面审数据的这些特点，使得基于深度学习的面审场景识别存在准确度不足的问题。

发明内容

本发明的主要目的在于解决现有基于深度学习的面审场景识别存在准确度不足的技术问题。

本发明第一方面提供了一种图像场景分类方法，包括：获取历史面审终端采集的多张典型图像，并分别对各所述典型图像进行增强处理，得到各所述典型图像对应的扩充图像；利用预置特征提取模型，分别对各所述典型图像和对应的扩充图像进行对比学习，得到对应的多个第一局部特征；根据所述多个第一局部特征，构建各个场景类别的典型特征；获取当前面审终端上传的目标图像，并利用所述特征提取模型，提取所述目标图像对应的各个第二局部特征；对各所述第二局部特征和各所述典型特征进行相似度校验，得到检验结果，并根据所述校验结果，得到所述目标图像所在的场景类别。

可选的，在本发明第一方面的第一种实现方式中，所述分别对各所述典型图像进行增强处理，得到各所述典型图像对应的扩充图像包括：分别对各所述典型图像进行目标检测，并根据检测的结果，对各所述典型图像进行随机裁剪，得到对应尺寸的典型图像；分别对裁剪后的各张典型图像进行随机高斯模糊处理，并对处理后的各张典型图像进行随机颜色失真处理，得到对应的扩充图像。

可选的，在本发明第一方面的第二种实现方式中，所述利用预置特征提取模型，分别对各所述典型图像和对应的扩充图像进行对比学习，得到对应的多个第一局部特征包括：利用预置特征提取模型中的深度残差网络，提取各所述典型图像和各所述扩充图像对应的第一维度特征，并对所述第一维度特征进行特征编码，得到第二维度特征；利用预置特征提取模型中的映射网络，对所述第二维度特征进行降维处理，得到对应的初始局部特征；利用预置特征提取模型中的输出层，对所述初始局部特征进行一致性优化，得到各所述典型图像对应的第一局部特征。

可选的，在本发明第一方面的第三种实现方式中，所述利用预置特征提取模型中的输出层，对所述初始局部特征进行一致性优化，得到各所述典型图像对应的第一局部特征包括：利用预置特征提取模型中的输出层，分别计算各所述典型图像和各所述扩充图像对应的初始局部特征之间的损失值；根据所述损失值，分别对各所述典型图像和各所述扩充图像对应的初始局部特征进行一致性检测，得到检测结果；根据检测结果分别对各所述典型图像和各所述扩充图像对应的初始局部特征进行更新，得到各所述典型图像对应的第一局部特征。