[发明专利]一种基于可变形卷积神经网络的色情图像检测方法及装置

说明书

本发明公开了一种基于可变形卷积神经网络的色情图像检测方法及装置，包括：对待检测图像进行预处理，获得待输入图像；将所述待输入图像分别输入至预设的第一色情图像检测模型和预设的第二色情图像检测模型中，获得第一置信度和第二置信度；其中，所述第一色情图像检测模型和所述第二色情图像检测模型均由可变形卷积神经网络构建；分别将所述第一置信度与预设的第一置信度阈值进行比较，将所述第二置信度与预设的第二置信度阈值进行比较，根据比较结果获得所述待检测图像对应的检测结果；本发明通过多个色情图像检测模型的级联检测，提高图像检测结果的准确度，避免色情图像存在漏检的现象。

技术领域

本发明涉及图像检测技术领域，尤其涉及一种基于可变形卷积神经网络的色情图像检测方法及装置。

背景技术

现有技术中，主要采用色情图像检测模型来对图像进行检测，然而该方法仅采用单个色情图像检测模型，图像的检测结果的准确度不高，且该色情图像检测模型由卷积神经网络构建，只能适用于几何形变简单的图像，对于几何形变复杂的图像，其检测结果的准确度低，从而导致出现色情图像漏检的现象。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于可变形卷积神经网络的色情图像检测方法及装置，通过多个色情图像检测模型的级联检测，提高图像检测结果的准确度，避免色情图像存在漏检的现象。

为了解决上述技术问题，本发明实施例提供了一种基于可变形卷积神经网络的色情图像检测方法，包括：

对待检测图像进行预处理，获得待输入图像；

将所述待输入图像分别输入至预设的第一色情图像检测模型和预设的第二色情图像检测模型中，获得第一置信度和第二置信度；其中，所述第一色情图像检测模型和所述第二色情图像检测模型均由可变形卷积神经网络构建；

分别将所述第一置信度与预设的第一置信度阈值进行比较，将所述第二置信度与预设的第二置信度阈值进行比较，根据比较结果获得所述待检测图像对应的检测结果。

进一步地，所述分别将所述第一置信度与预设的第一置信度阈值进行比较，将所述第二置信度与预设的第二置信度阈值进行比较，根据比较结果获得所述待检测图像对应的检测结果，具体包括：

将所述第一置信度k1与所述第一置信度阈值K1进行比较，将所述第二置信度k2与所述第二置信度阈值K2进行比较；

当k1＞K1，k2＞K2时，将所述待检测图像标记为色情图像；

当k1＞K1，k2≤K2时，将所述待检测图像标记为疑似图像；

当k1≤K1时，将所述待输入图像标记为待裁剪图像。

进一步地，在所述待输入图像标记为待裁剪图像之后，所述方法还包括：

基于人脸检测技术，判断所述待裁剪图像中是否存在人脸区域；

若所述待裁剪图像中存在人脸区域，则根据所述人脸区域对所述待裁剪图像进行裁剪，获得裁剪图像；

若所述待裁剪图像中不存在人脸区域，则将所述待裁剪图像对应的待检测图像标记为非色情图像。

进一步地，在所述获得裁剪图像之后，所述方法还包括：

将所述裁剪图像分别输入至所述第一色情图像检测模型和所述第二色情图像检测模型中，获得第三置信度和第四置信度；

分别将所述第三置信度k3与所述第一置信度阈值K1进行比较，将所述第四置信度k4与所述第二置信度阈值K2进行比较；

当k3＞K1，k4＞K2时，将所述裁剪图像对应的待检测图像标记为色情图像；

当k3＞K1，k4≤K2时，将所述裁剪图像对应的待检测图像标记为疑似图像；