[发明专利]基于人工智能的翻拍检测方法、装置、设备及介质

说明书

本发明涉及人工智能领域，提供一种基于人工智能的翻拍检测方法、装置、设备及介质，能够对样本数据进行颜色空间转换，得到转换数据，构建目标损失函数，有效解决样本不平衡的问题，同时有效兼容了样本噪声，基于转换数据，以目标损失函数训练得到第一网络结构及第二网络结构，并接flatten处理后的第一网络结构及第二网络结构，得到融合网络，以目标损失函数训练融合网络，得到目标网络，将待检测数据输入至目标网络，输出翻拍检测结果，进而结合人工智能手段，由于融合网络同时包含初阶及精细特征提取，进一步有效消除了样本不平衡的问题，同时兼容了样本噪声，实现翻拍检测。本发明还涉及区块链技术，目标网络及翻拍检测结果可存储于区块链。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的翻拍检测方法、装置、设备及介质。

背景技术

在反欺诈风控场景中，当进行翻拍检测时，通常都会面临样本不平衡的问题，影响最终翻拍检测的准确度。

在现有技术方案中，为了解决上述样本不平衡的问题，主要采用对数据进行SMOTE(Synthetic Minority Oversampling Technique，合成少数类过采样技术)抽样，或者采用affinity loss进行训练的方式。

但是，当采用SMOTE抽样解决上述问题时，由于SMOTE的弱点在于其合成数据的学习代表性欠缺，容易导致过拟合，泛化能力下降；而当采用affinity loss解决上述问题时，由于在训练时没有自适应性学习机制，需要采用clustering聚类，进而耗费大量研究与训练的时间。

另外，在进行翻拍检测时，由于打标签的人员主要是根据一些不完美的规则来判别翻拍图片的，因此很难避免在数据端出现人为的标签错误，而现有的算法也很难解决这一问题，因此，如何兼容少量标签错误的图像对模型训练的干扰也同样是亟待解决的问题。

发明内容

鉴于以上内容，有必要提供一种基于人工智能的翻拍检测方法、装置、设备及介质，能够结合人工智能手段有效消除了样本不平衡的问题，同时兼容了样本噪声，实现准确地翻拍检测。

一种基于人工智能的翻拍检测方法，所述基于人工智能的翻拍检测方法包括：

响应于翻拍检测指令，获取初始图片，并对所述初始图片进行特征截取，得到样本数据；

对所述样本数据进行颜色空间转换，得到转换数据；

构建目标损失函数；

基于所述转换数据，以所述目标损失函数训练预设的第一神经网络，得到第一网络结构，以及基于所述转换数据，以所述目标损失函数训练预设的第二神经网络，得到第二网络结构；

对所述第一网络结构及所述第二网络结构进行flatten处理，及并接flatten处理后的第一网络结构及第二网络结构，得到融合网络；

以所述目标损失函数训练所述融合网络，得到目标网络；

获取待检测数据，将所述待检测数据输入至所述目标网络，输出翻拍检测结果。

根据本发明优选实施例，所述对所述初始图片进行特征截取，得到样本数据包括：

将所述初始图片中的每张图片输入至YOLOv3网络中进行识别，得到每张图片的头像区域；

以每张图片的头像区域截取对应的每张图片，得到每个子样本；

整合得到的子样本，得到所述样本数据。

根据本发明优选实施例，采用下述公式构建所述目标损失函数：

Loss＝α(1-y_pred)^γ*log(y_pred)*y_true+β*y_pred*log(y_true)