[发明专利]一种基于卷积神经网络模型的暴恐视频检测方法

权利要求书

1.一种基于卷积神经网络模型的暴恐视频检测方法，其特征在于包括以下步骤：

1)深度神经网络模型的训练，具体方法如下：

训练数据准备：

(1)正样本：每个类别包含一张清晰特定目标的暴恐图片或者视频帧，所述特定目标包括但不限于LOGO、旗帜；

(2)负样本：数百万张左右网络下载的正常图片，训练数据每个类别有200万张图像，正负样本比率一比一；

训练数据预处理：所有训练图片大小调整为256×256，随机截取227×227大小的区域并减去所有样本均值作为输入；

目标函数设置：卷积神经网络的损失函数是交叉熵损失函数：

其中，N为训练样本的数目，yⁱ为第i个训练样本的标签，xⁱ第i个训练样本的图像，h_θ(xⁱ)为第i个训练样本的网络输出结果,L(θ)为网络训练损失函数；

优化算法：在GPU上使用批量梯度下降算法和反向传播算法训练神经网络，每次迭代最小批量为256，初始学习速率为0.01，每隔10000次迭代学习速率减低10倍，训练过程冲量设为0.9，权重衰退设为0.0005，迭代训练直到损失函数收敛；

所述批量梯度下降算法和反向传播算法采用整体的训练算法，具体为：

(1)随机输入一定数量的样本图像；

(2)前向传播网络并计算损失函数和误差响应；

(3)反向传播网络；

(4)更新所有参数；

(5)重复步骤(1)、(2)、(3)、(4)直到损失函数的结果不再下降为止；

2)在线暴恐视频检测，具体方法如下：

在检测过程中，把待检测图像进行预处理，然后输入网络；把待检图片大小缩放为227×227,然后输入网络；网络进行前向传播获得每个类别的得分，选取得分最大的类别作为分类结果；反向传播最大的得分，获得图像上的梯度值，以此获得特定目标位置，或者使用级联分类器来获得当前图像的特定目标位置。