[发明专利]隐私信息鉴别模型训练方法及装置、图像处理方法及装置

权利要求书

1.一种隐私信息鉴别模型训练方法，其特征在于，在所述隐私信息鉴别模型的训练阶段，与所述隐私信息鉴别模型对应的待训练网络模型包括第一网络模块和第二网络模块，所述方法包括：

构建训练数据集，所述训练数据集包括图像样本以及所述图像样本的图像标签数据、所述图像样本中包含的N个文本样本以及所述N个文本样本各自的文本标签数据，N为正整数；

利用所述图像样本和所述图像样本的图像标签数据，对所述第一网络模块进行训练，所述第一网络模块用于输出所述图像样本包含的N个文本样本各自的第一键值；

利用所述N个文本样本和所述N个文本样本各自的文本标签数据，对所述第二网络模块进行训练，所述第二网络模块用于输出所述N个文本样本各自的文本内容和文本类别。

2.根据权利要求1所述的隐私信息鉴别模型训练方法，其特征在于，所述第二网络模块包含文本解码器，所述第一网络模块的输出作为所述文本解码器的输入，所述利用所述N个文本样本和所述N个文本样本各自的文本标签数据，对所述第二网络模块进行训练，包括：

将所述N个文本样本和所述N个文本样本各自的文本标签数据输入所述第二网络模块，得到所述N个文本样本各自的第二键值；

基于所述N个文本样本各自的所述第一键值和所述第二键值，以及所述N个文本样本各自的文本标签数据，对所述文本编码器进行训练。

3.根据权利要求2所述的隐私信息鉴别模型训练方法，其特征在于，所述文本样本的第一键值包含所述文本样本的第一索引号和第一特征矩阵，所述文本样本的第二键值包含所述文本样本的第二索引号和第二特征矩阵，

其中，所述基于所述N个文本样本各自的所述第一键值和所述第二键值，以及所述N个文本样本各自的文本标签数据，对所述文本编码器进行训练，包括：

基于所述N个文本样本各自的第一索引号和第二索引号，构建至少一组正样本对和至少一组负样本对；

基于所述至少一组正样本对各自对应的第一特征矩阵和第二特征矩阵、以及所述至少一组负样本对各自对应的第一特征矩阵和第二特征矩阵，对所述文本解码器进行训练。

4.根据权利要求2所述的隐私信息鉴别模型训练方法，其特征在于，在所述隐私信息鉴别模型的应用阶段，所述隐私信息鉴别模型包括第一网络模块、以及除去文本解码器的前层网络的第二网络模块。

5.一种图像处理方法，其特征在于，包括：

获取待脱敏医学图像；

基于所述待脱敏医学图像，利用隐私信息鉴别模型，确定所述待脱敏医学图像包含的M个文本区域各自对应的文本内容和文本类别，M为正整数，所述隐私信息鉴别模型基于权利要求1至4任一项所述的方法得到；

基于所述M个文本区域各自对应的文本内容和文本类别，确定所述待脱敏医学图像包含的隐私信息，以便对所述隐私信息进行脱敏。

6.根据权利要求5所述的图像处理方法，其特征在于，所述隐私信息鉴别模型包含图像编码器、sigmoid层和线性映射层，所述隐私信息鉴别模型还用于：

将所述待脱敏医学图像输入所述图像编码器，生成所述待脱敏医学图像对应的特征图矩阵；

利用所述sigmoid层，基于所述特征图矩阵，生成关于文本的二值化图像；

利用所述线性映射层，基于所述关于文本的二值化图像，生成特征映射图像；

基于所述特征映射图像，得到所述待脱敏图像包含的M个文本各自的文本框坐标信息，以便用户基于所述文本框坐标信息执行所需操作。

7.根据权利要求5所述的图像处理方法，其特征在于，所述基于所述M个文本区域各自对应的文本内容和文本类别，确定所述待脱敏医学图像包含的隐私信息，包括：

针对所述M个文本区域中的每个文本区域，若所述文本区域对应的文本内容的置信度小于预设内容置信度阈值，和/或所述文本区域对应的文本类别的置信度小于预设类别置信度阈值，则所述隐私信息鉴别模型将所述文本区域标记为疑似隐私文本区域；

向用户发送针对所述待脱敏医学图像包含的疑似隐私文本区域的确认提示信息，以便所述用户确认所述疑似隐私文本区域内的文本是否为隐私信息。