[发明专利]图像检测模型训练及图像检测方法、装置以及存储介质在审

专利信息
申请号: 202310323569.0 申请日: 2023-03-29
公开(公告)号: CN116503332A 公开(公告)日: 2023-07-28
发明(设计)人: 刘勇;暨凯祥;王伟 申请(专利权)人: 重庆蚂蚁消费金融有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T5/50;G06T7/60
代理公司: 北京恒博知识产权代理有限公司 11528 代理人: 范胜祥
地址: 400060 重*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 检测 模型 训练 方法 装置 以及 存储 介质
【权利要求书】:

1.一种图像检测模型训练方法,所述方法包括:

将样本图像输入图像检测模型,通过所述图像检测模型中的色彩卷积通道、离散余弦变换卷积通道、内容理解卷积通道分别卷积所述样本图像,得到各卷积通道输出的所述样本图像对应的样本卷积子图;

叠加各样本卷积子图,得到所述样本图像对应的预测篡改标记图像;

根据所述样本图像的标准篡改标记图像以及所述预测篡改标记图像计算所述图像检测模型的预测损失,基于所述预测损失训练所述图像检测模型直至所述图像检测模型收敛。

2.根据权利要求1所述的方法,所述通过所述图像检测模型中的色彩卷积通道、离散余弦变换卷积通道、内容理解卷积通道分别卷积所述样本图像,得到各卷积通道输出的所述样本图像对应的样本卷积子图,包括:

获取所述样本图像的像素特征图像,通过所述图像检测模型中的色彩卷积通道卷积所述像素特征图像,得到所述样本图像对应的样本色彩卷积子图;

获取所述样本图像的离散余弦变换特征图像,通过所述图像检测模型中的离散余弦变换卷积通道卷积所述离散余弦变换特征图像,得到所述样本图像对应的样本离散余弦变换卷积子图;

获取所述样本图像的内容特征图像,通过所述图像检测模型中的内容理解卷积通道卷积所述内容特征图像,得到所述样本图像对应的样本内容理解卷积子图。

3.根据权利要求2所述的方法,所述获取所述样本图像的内容特征图像,包括:

对所述样本图像进行内容识别,将所述样本图像中为目标内容的像素点以及为非目标内容的像素点进行区分标记,得到所述样本图像的内容特征图像,所述目标内容包括文字、印章、纸张边缘中的至少一种。

4.根据权利要求3所述的方法,所述将所述样本图像中为目标内容的像素点以及为非目标内容的像素点进行区分标记,包括:

确定所述样本图像中为目标内容的像素点的标记值为1,以及确定所述样本图像中为非目标内容的像素点的标记值为0。

5.根据权利要求1至4任一项所述的方法,所述通过所述图像检测模型中的色彩卷积通道、离散余弦变换卷积通道、内容理解卷积通道分别卷积所述样本图像,得到各卷积通道输出的所述样本图像对应的样本卷积子图,包括:

通过所述图像检测模型中的色彩卷积通道、离散余弦变换卷积通道、内容理解卷积通道按照至少两种分辨率尺寸分别卷积所述样本图像,得到各卷积通道输出的所述样本图像在各分辨率尺寸对应的样本卷积子图。

6.根据权利要求5所述的方法,所述叠加各样本卷积子图,得到所述样本图像对应的预测篡改标记图像,包括:

叠加所述色彩卷积通道、所述离散余弦变换卷积通道、所述内容理解卷积通道分别输出的相同分辨率尺寸的样本卷积子图,得到所述样本图像对应的各分辨率尺寸的样本卷积图;

融合各分辨率尺寸的样本卷积图,得到所述样本图像对应的预测篡改标记图像。

7.根据权利要求6所述的方法,所述融合各分辨率尺寸的样本卷积图,得到所述样本图像对应的预测篡改标记图像,包括:

将各分辨率尺寸的样本卷积图反卷积为与所述样本图像一致的原分辨率尺寸,融合所述原分辨率尺寸的各样本卷积图,得到所述样本图像对应的预测篡改标记图像。

8.根据权利要求1所述的方法,所述根据所述样本图像的标准篡改标记图像以及所述预测篡改标记图像计算所述图像检测模型的预测损失,包括:

计算所述样本图像的标准篡改标记图像与所述预测篡改标记图像中篡改标记的像素重合度,基于所述像素重合度计算所述图像检测模型的预测损失。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆蚂蚁消费金融有限公司,未经重庆蚂蚁消费金融有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310323569.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top