[发明专利]图片处理方法、装置、电子设备及存储介质

说明书

本公开公开了一种图片处理方法、装置、电子设备及存储介质，属于图片识别技术领域，包括：在获取到待识别图片的情况下，将待识别图片输入至目标卷积神经网络CNN模型，目标CNN网络模型通过第一训练集训练得到，目标CNN网络模型用于识别输入的图片是否为敏感图片，第一训练集包括标注有是否为敏感图片的图片样本；在目标CNN网络模型识别待识别图片为敏感图片的情况下，获取通过目标CNN网络模型生成的待识别图片的热力图，待识别图片的热力图包括至少一个敏感图像区域；对至少一个敏感图像区域内的图像进行脱敏处理，得到输出图片。采用本公开提供的图片处理方法、装置、电子设备及存储介质，至少解决现有图片分享过程中存在信息分享的质量低的问题。

技术领域

本公开涉及图片识别技术领域，具体涉及一种图片处理方法、装置、电子设备及存储介质。

背景技术

随着互联网和无线通信技术的飞速发展，人们之间进行信息共享的方式越来越丰富。图片分享作为一种新兴的信息分享功能，可以实现用户通过图片(如照片或者拍摄的视频中的帧图片等)向他人展现自己生活的点点滴滴，提升用户分享信息的便捷性及趣味性。

其中，人们之间在相互分享的图片中，可能会存在部分违法或者违反社会公德等的违规图片，例如，包含色情内容(如胸部、臀部或者三角区等部位的图像)或者暴力内容等内容图片。而为防止违规图片的传播为社会带来不良影响，目前通常是通过人工识别出传播的图片中的违规图片，并将识别到的违规图片进行剔除。但是，由于违规图片的剔除，会导致信息分享过程中出现信息缺失，进而降低人们之间信息分享的质量。

发明内容

本申请实施例的目的是提供一种图片处理方法、装置、电子设备及存储介质，以解决目前图片分享中存在信息分享的质量低的问题。

本公开的技术方案如下：

根据本申请实施例的第一方面，提供一种图片处理方法，包括：

在获取到待识别图片的情况下，将所述待识别图片输入至目标卷积神经网络CNN模型中，其中，所述目标CNN网络模型通过第一训练集训练得到，所述目标CNN网络模型用于识别输入的图片是否为敏感图片，且所述第一训练集包括标注有是否为敏感图片的图片样本；

在所述目标CNN网络模型识别所述待识别图片为敏感图片的情况下，获取通过所述目标CNN网络模型生成的待识别图片的热力图，其中，所述待识别图片的热力图包括至少一个敏感图像区域；

对所述至少一个敏感图像区域内的图像进行脱敏处理，得到输出图片。

在其中一个实施例中，所述在获取到待识别图片的情况下，将所述待识别图片输入至目标CNN模型中之前，还包括：

基于所述第一训练集对初始CNN模型进行训练，得到第一CNN模型；

输入第一图片样本的图片至所述第一CNN模型，得到所述第一CNN模型在目标层输出的第一结果，其中，所述第一图片样本为所述第一训练集中的任一图片样本，所述目标层包括中间层和输出层中的至少一项；

将所述第一结果作为第二CNN模型在所述目标层输出的第二结果的软目标，迭代更新所述第二CNN模型的模型参数，得到所述目标CNN模型，其中，所述第二结果为所述第一图片样本的图片输入至所述第二CNN模型得到的结果。

在其中一个实施例中，所述在获取到待识别图片的情况下，将所述待识别图片输入至目标卷积神经网络CNN模型中之前，还包括：

获取第一样本集和第二样本集，其中，所述第一样本集包括标注的图片样本，所述第二样本集包括未标注的图片样本；

将所述第一样本集输入至第M-1个CNN模型中，训练得到第M个CNN模型，其中，所述M为正整数；