[发明专利]一种确定图片类型的方法和装置

说明书

本发明公开了一种确定图片类型的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取目标图片，基于对目标图片中的像素进行处理得到多个第一图片；基于神经网络模型分别提取多个第一图片中的特征向量，将特征向量输入分类模型中进行分类处理，得到多个分类结果，多个分类结果与多个第一图片相对应；根据多个分类结果确定目标图片的类型。该实施方式降低了确定图片类型的成本，提升了分类模型对攻击噪音的防御能力和稳定性，提高了所确定图片类型的准确率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种确定图片类型的方法和装置。

背景技术

图片内容审查系统中的如图1所示，左图为原始图片(原始图片的内容是熊猫，人为规定包含有熊猫的图片是违规类型图片)，中间图为噪音图片/攻击噪音，在人眼所见的信息不变的情况下，利用梯度上升方法把噪音图片加入到原始图片中即可得到右图的攻击图片。攻击图片的内容实际是熊猫，但是采用图片内容审查系统中的分类模型识别到的内容却是长臂猿，从而确定攻击图片不是违规类型图片，分类结果的置信概率高达99.3％。为了解决上述问题，现有技术中通过同时采用多个不同结构的分类模型对图片进行类型识别，并为多个模型设置不同的权重系数，以保证所确定的图片类型的准确性。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有技术中多个不同结构的分类模型均需要训练，导致确定图片类型的成本较高，且各不同的分类模型的权重系数的设置方式难以统一，导致分类模型对攻击噪音的防御能力和稳定性较差，所确定的图片类型的准确率较低。

发明内容

有鉴于此，本发明实施例提供一种确定图片类型的方法和装置，通过对待分类图片中的像素进行处理得到多个第一图片，利用同一分类模型对该多个第一图片进行图片类型识别，降低了确定图片类型的成本，提升了分类模型对攻击噪音的防御能力和稳定性，提高了所确定图片类型的准确率。

为实现上述目的，根据本发明实施例的第一方面，提供了一种确定图片类型的方法，包括：

获取目标图片，基于对目标图片中的像素进行处理得到多个第一图片；

基于神经网络模型分别提取多个第一图片中的特征向量，将特征向量输入分类模型中进行分类处理，得到多个分类结果，多个分类结果与多个第一图片相对应；

根据多个分类结果确定目标图片的类型。

在一个实施例中，基于对目标图片中的像素进行处理得到多个第一图片的步骤包括：

对目标图片进行数据增强处理，以使得目标图片中像素点的产生位置偏移，进而得到第一图片，其中，数据增强处理包括下列处理方式中的至少一种：旋转处理、缩小处理、放大处理和平移处理。

在一个实施例中，在数据增强处理为旋转处理、缩小处理和平移处理中的至少一种时，基于对目标图片进行数据增强处理得到第一图片的步骤包括：

根据数据增强处理方式指示的偏移幅度和偏移方向对目标图片进行处理，得到第二图片，其中，偏移幅度是根据目标图片的大小确定的；

确定目标图片与第二图片对应的非重叠区域；

将非重叠区域内各像素点对应的像素值调整为目标图片的像素均值，得到调整后的非重叠区域；

将调整后的非重叠区域，以及第二图片与目标图片的重叠区域进行组合，得到第一图片。

在一个实施例中，在数据增强处理为放大处理时，基于对目标图片进行数据增强处理得到第一图片的步骤包括：

根据放大比例对目标图片进行放大处理，得到第二图片；

确定第二图片与目标图片的重叠区域为第一图片。