[发明专利]基于关键区域动态分析的图片隐私风险预测方法与系统、模型训练方法与系统

权利要求书

1.一种基于关键区域动态分析的图片隐私风险预测模型训练方法，其特征在于，包括：

步骤1，提取训练数据集中的图片的初步特征；

步骤2，将所述初步特征进行聚类以获得所述图片的多个关键区域及其特征；

步骤3，基于所述多个关键区域的特征，利用神经网络学习所述图片的多个关键区域的相关性矩阵；

步骤4，根据所述相关性矩阵融合所述多个关键区域的特征以获得所述图片的融合特征；

步骤5，基于所述融合特征预测所述图片的隐私风险。

2.如权利要求1所述的基于关键区域动态分析的图片隐私风险预测模型训练方法，其特征在于，所述训练数据集中的图片分类为公开图片和隐私图片，其中所述公开图片被标注为0，所述隐私图片被标注为1。

3.如权利要求1所述的基于关键区域动态分析的图片隐私风险预测模型训练方法，其特征在于，所述步骤2包括：

步骤21，利用所述训练数据集预训练隐私预测分类模型；

步骤22，将所述图片在所述隐私预测分类模型用于分类前的最后一个特征图在通道维度进行聚类以获得所述多个关键区域；

步骤23，将所述多个关键区域对应的所述初步特征进行加权平均以获得所述多个关键区域的特征。

4.如权利要求1所述的基于关键区域动态分析的图片隐私风险预测模型训练方法，其特征在于，所述步骤4包括：

步骤41，利用所述多个关键区域的特征初始化图神经网络的多个节点，利用所述相关性矩阵初始化所述图神经网络的关联矩阵；

步骤42，利用所述图神经网络融合所述多个关键区域的特征以获得所述图片的融合特征。

5.如权利要求1所述的基于关键区域动态分析的图片隐私风险预测模型训练方法，其特征在于，所述步骤5包括：

步骤51，将所述图片的融合特征与所述图片的整体特征进行拼接以获得所述图片的拼接特征；

步骤52，基于所述拼接特征预测所述图片的隐私风险。

6.一种基于关键区域动态分析的图片隐私风险预测模型训练系统，其特征在于，包括：

特征提取模块，用于提取训练数据集中的图片的初步特征；

关键区域捕获模块，用于将所述初步特征进行聚类以获得所述图片的多个关键区域及其特征；

相关性学习模块，用于基于所述多个关键区域的特征，利用神经网络学习所述图片的多个关键区域的相关性矩阵；

特征融合模块，用于根据所述相关性矩阵融合所述多个关键区域的特征以获得所述图片的融合特征；

隐私风险预测模块，用于基于所述融合特征预测所述图片的隐私风险。

7.如权利要求6所述的基于关键区域动态分析的图片隐私风险预测模型训练系统，其特征在于，所述训练数据集中的图片分类为公开图片和隐私图片，其中所述公开图片被标注为0，所述隐私图片被标注为1。

8.如权利要求6所述的基于关键区域动态分析的图片隐私风险预测模型训练系统，其特征在于，所述关键区域捕获模块包括：

模型预训练模块，用于利用所述训练数据集预训练隐私预测分类模型；

关键区域获取模块，用于将所述图片在所述隐私预测分类模型用于分类前的最后一个特征图在通道维度进行聚类以获得所述多个关键区域；

关键特征获取模块，用于将所述多个关键区域对应的所述初步特征进行加权平均以获得所述多个关键区域的特征。

9.如权利要求6所述的基于关键区域动态分析的图片隐私风险预测模型训练系统，其特征在于，所述特征融合模块具体用于：

利用所述多个关键区域的特征初始化图神经网络的多个节点，利用所述相关性矩阵初始化所述图神经网络的关联矩阵；

利用所述图神经网络融合所述多个关键区域的特征以获得所述图片的融合特征。