[发明专利]非法图像识别方法、装置、设备和计算机可读存储介质

说明书

本发明实施例公开了一种非法图像识别方法、装置、设备和计算机可读存储介质。所述一种非法图像识别方法包括：预先通过第一样本集对初始化的神经网络进行训练，得到非法图像识别模型；其中，所述第一样本集包括正样本集和负样本集，所述正样本集包括对非法图像进行数据增强处理得到的扩展样本图像，一所述非法图像对应至少两张扩展样本图像；基于所述非法图像识别模型，进行非法图像识别。采用本发明实施例，可以大大丰富训练样本的内容，从而提升模型训练的效率和对非法图像识别的准确率。

技术领域

本发明涉及人工智能(Artificial Intelligence，AI)技术领域，尤其涉及一种非法图像识别方法、装置、设备和计算机可读存储介质。

背景技术

随着互联网技术的快速发展，我们往往可以通过网络查询和掌握大量信息，然而，大量的非法网站和非法图片(例如为六合彩等非法涉赌图片等等)也会随着网络大肆传播，不仅污染网络环境，甚至造成违法犯罪等严重后果。为净化网络环境，有效扼制非法图片在网络上的传播，现有技术往往会采用图像识别等技术对网络中的图片进行识别分类，并将识别到的非法图片进行拦截或召回等等。

现有的图像识别技术大多基于深度卷积神经网络，然而深度卷积神经网络参数众多，结构复杂，往往需要大量的样本来进行训练。但是，由于非法图片的特殊性，能够获取到的样本数量通常会有所不足且质量较差，因此训练过程将会变得异常困难，训练完成的模型对非法图像的识别准确率也较低，导致无法保质保量的召回或者拦截网络中的非法图片。

发明内容

本发明实施例提供了一种非法图像识别方法、装置、设备及计算机可读存储介质，可以较大程度的丰富训练样本的数量和内容，从而提升模型的训练效率以及模型对图像识别分类的准确率。

一方面，本发明实施例提供了一种非法图像识别方法，该非法图像识别方法包括：

预先通过第一样本集对初始化的神经网络进行训练，得到非法图像识别模型；其中，所述第一样本集包括正样本集和负样本集，所述正样本集包括对非法图像进行数据增强处理得到的扩展样本图像，一所述非法图像对应至少两张扩展样本图像；

基于所述非法图像识别模型，进行非法图像识别。

其中，所述数据增强处理包括图像裁剪处理、图像旋转处理和添加高斯噪声处理中的至少一种。

其中，所述负样本集包括多张正常图像；所述预先通过第一样本集对初始化的神经网络进行训练，得到非法图像识别模型，包括：

对所述第一样本集中的多张图像进行图像特征提取，得到所述多张图像各自对应的卷积特征；所述多张图像包括所述正样本集中的多张扩展样本图像和所述负样本集中的多张正常图像；

基于所述多张图像各自对应的卷积特征，确定所述多张图像各自属于所述非法图像的概率值；

以所述多张图像各自属于所述非法图像或所述正常图像为标签，根据所述多张图像各自属于所述非法图像的概率值与所述多张图像各自的标签之间的差异，修正所述神经网络中的一个或多个参数，得到所述非法图像识别模型。

其中，所述基于所述非法图像识别模型，进行非法图像识别，包括：

获取待识别图像；

通过所述非法图像识别模型，确定所述待识别图像属于所述非法图像的概率值；

根据预设阈值和所述待识别图像属于所述非法图像的概率值，确定所述待识别图像的识别结果。

其中，所述根据预设阈值和所述待识别图像属于所述非法图像的概率值，确定所述待识别图像的识别结果，包括：

若所述待识别图像属于所述非法图像的概率值大于所述预设阈值，则确定所述待识别图像属于所述非法图像，并对所述待识别图像进行召回；