一种图片识别方法、系统、存储介质和电子设备技术方案

本发明专利技术涉及一种图片识别方法、系统、存储介质和电子设备，基于包括多个图片的图片集合，对添加有ADL层的深度卷积神经网络进行训练，得到中间图片识别模型，去除中间图片识别模型中的ADL层，得到图片识别模型，将待识别图片输入图片识别模型，得到识别结果，ADL层能够学习到较弱的特征，当待识别图片为遮挡图片时，能够识别出遮挡图片中的较弱的特征，提高识别精度，保证识别结果的准确度，而且，不需要搜集大量的遮挡图片，节约时间和成本。另一方面，对自注意力图进行激活操作，生成重要性图，根据上一层的输出特征和重要性图所得到的特征图进行训练时，还能够保证非遮挡图片的识别精度。精度。精度。

【技术实现步骤摘要】
一种图片识别方法、系统、存储介质和电子设备


[0001]本专利技术涉及图片识别
，尤其涉及一种图片识别方法、系统、存储介质和电子设备。

技术介绍

[0002]随着多媒体技术的日新月异，极大丰富了人们的社交方式，图片即图片、视频流是非常重要的交流手段。随之而来的是愈加复杂的监管需求，色情图片/视频内容的识别一直是网络内容监管的主要问题。为了对抗网络内容监管，色情内容传播者往往会对图片/视频中的色情内容进行部分遮挡或者涂抹，具体在色情内部部分添加马赛克、水印或其它标记图片等遮挡层，由此得到遮挡图片或由多个遮挡图片组成的视频流，以逃过监管系统的拦截，目前，深度卷积神经网络是目前图片识别即图像识别中应用最广泛的深度学习技术，具体采用通过深度卷积神经网络进行训练所得到的识别模型进行遮挡图片的识别，但存在如下问题：
[0003]1)为了快速的学习到不同图片间的区别，该算法训练出的识别模型往往更关注图片中最具判别区域的特征，当图片中关键信息被遮挡时，其识别效果会显著下降，即降低识别精度，且极大降低了对非遮挡图片的识别效果。
[0004]2)对深度卷积神经网络进行训练时，需要基于大量的遮挡图片，一方面，收集大量的遮挡图片，耗时较长，而且，建立一个包括大量的遮挡图片的数据库，成本较高。

技术实现思路

[0005]本专利技术所要解决的技术问题是针对现有技术的不足，提供了一种图片识别方法、系统、存储介质和电子设备。
[0006]本专利技术的一种图片识别方法的技术方案如下：
[0007]基于包括多个图片的图片集合，对添加有ADL层的深度卷积神经网络进行训练，得到中间图片识别模型，去除所述中间图片识别模型中的ADL层，得到图片识别模型，其中，所述ADL层用于：根据上一层的输出特征得到自注意力图，对所述自注意力图进行阈值二值化操作，生成失活掩膜，并对所述自注意力图进行激活操作，生成重要性图，根据所述上一层的输出特征以及按照预设条件选取的所述重要性图或所述失活掩膜，得到特征图，并将所述特征图输入下一层；
[0008]将待识别图片输入所述图片识别模型，得到识别结果。
[0009]本专利技术的一种图片识别方法的有益效果如下：
[0010]ADL层能够根据上一层的输出特征得到自注意力图，一方面，对自注意力图进行阈值二值化操作，生成失活掩膜，当通过根据上一层的输出特征和失活掩膜所得到的特征图进行训练时，能够学习到较弱的特征，当待识别图片为遮挡图片时，能够识别出遮挡图片中的较弱的特征，提高识别精度，保证识别结果的准确度，而且，通过对自注意力图进行阈值二值化操作，生成失活掩膜，能够模拟遮挡图片的遮挡层，不需要搜集大量的遮挡图片，节
约时间和成本。另一方面，对自注意力图进行激活操作，生成重要性图，根据所述上一层的输出特征和重要性图所得到的特征图进行训练时，还能够保证非遮挡图片的识别精度。
[0011]在上述方案的基础上，本专利技术的一种图片识别方法还可以做如下改进。
[0012]进一步，所述ADL层得到所述自注意力图的过程，包括：
[0013]所述ADL层将所述上一层的输出特征进行通道维度的平均池化操作，得到所述自注意力图。
[0014]进一步，所述ADL层得到所述重要性图的过程，包括：
[0015]所述ADL层利用sigmoid激活函数对所述自注意力图进行激活操作，生成所述重要性图。
[0016]本专利技术的一种图片识别系统的技术方案如下：
[0017]包括训练模块和识别模块，所述训练模块用于：基于包括多个图片的图片集合，对添加有ADL层的深度卷积神经网络进行训练，得到中间图片识别模型，去除所述中间图片识别模型中的ADL层，得到图片识别模型，其中，所述ADL层用于：根据上一层的输出特征得到自注意力图，对所述自注意力图进行阈值二值化操作，生成失活掩膜，并对所述自注意力图进行激活操作，生成重要性图，根据所述上一层的输出特征以及按照预设条件选取的所述重要性图或所述失活掩膜，得到特征图，并将所述特征图输入下一层；
[0018]所述识别模块用于：将待识别图片输入所述图片识别模型，得到识别结果。
[0019]本专利技术的一种图片识别系统的有益效果如下：
[0020]ADL层能够根据上一层的输出特征得到自注意力图，一方面，对自注意力图进行阈值二值化操作，生成失活掩膜，当通过根据上一层的输出特征和失活掩膜所得到的特征图进行训练时，能够学习到较弱的特征，当待识别图片为遮挡图片时，能够识别出遮挡图片中的较弱的特征，提高识别精度，保证识别结果的准确度，而且，通过对自注意力图进行阈值二值化操作，生成失活掩膜，能够模拟遮挡图片的遮挡层，不需要搜集大量的遮挡图片，节约时间和成本，另一方面，对自注意力图进行激活操作，生成重要性图，根据所述上一层的输出特征和重要性图所得到的特征图进行训练时，还能够保证非遮挡图片的识别精度。
[0021]在上述方案的基础上，本专利技术的一种图片识别系统还可以做如下改进。
[0022]进一步，所述ADL层具体用于：将所述上一层的输出特征进行通道维度的平均池化操作，得到所述自注意力图。
[0023]进一步，所述ADL层还具体用于：利用sigmoid激活函数对所述自注意力图进行激活操作，生成所述重要性图。
[0024]本专利技术的一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述任一项所述的一种图片识别方法。
[0025]本专利技术的一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现上述任一项所述的一种图片识别方法的步骤。
附图说明
[0026]图1为本专利技术实施例的一种图片识别方法的流程示意图；
[0027]图2为ADL层的结构示意图；
[0028]图3为本专利技术实施例的一种图片识别系统的结构示意图。
具体实施方式
[0029]如图1所示，本专利技术实施例的一种图片识别方法，包括如下步骤：
[0030]S1、基于包括多个图片的图片集合，对添加有ADL层的深度卷积神经网络进行训练，得到中间图片识别模型，去除所述中间图片识别模型中的ADL层，得到图片识别模型，其中，所述ADL层用于：根据上一层的输出特征得到自注意力图，对所述自注意力图进行阈值二值化操作，生成失活掩膜，并对所述自注意力图进行激活操作，生成重要性图，根据所述上一层的输出特征以及按照预设条件选取的所述重要性图或所述失活掩膜，得到特征图，并将所述特征图输入下一层；
[0031]S2、将待识别图片输入所述图片识别模型，得到识别结果，识别结果为：待识别图片是否为色情图片或违规图片等。
[0032]其中，深度卷积神经网络包括输入层、隐含层和输出层，隐含层中包括含卷积层、池化层和全连接层，ADL层(ADL：Attention
‑
based Dropout Layer，基于attention的dropout层)可位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片识别方法，其特征在于，包括：基于包括多个图片的图片集合，对添加有ADL层的深度卷积神经网络进行训练，得到中间图片识别模型，去除所述中间图片识别模型中的ADL层，得到图片识别模型，其中，所述ADL层用于：根据上一层的输出特征得到自注意力图，对所述自注意力图进行阈值二值化操作，生成失活掩膜，并对所述自注意力图进行激活操作，生成重要性图，根据所述上一层的输出特征以及按照预设条件选取的所述重要性图或所述失活掩膜，得到特征图，并将所述特征图输入下一层；将待识别图片输入所述图片识别模型，得到识别结果。2.根据权利要求1所述的一种图片识别方法，其特征在于，所述ADL层得到所述自注意力图的过程，包括：所述ADL层将所述上一层的输出特征进行通道维度的平均池化操作，得到所述自注意力图。3.根据权利要求1或2所述的一种图片识别方法，其特征在于，所述ADL层得到所述重要性图的过程，包括：所述ADL层利用sigmoid激活函数对所述自注意力图进行激活操作，生成所述重要性图。4.一种图片识别系统，其特征在于，包括训练模块和识别模块，所述训练模块用于：基于包括多个图片的图片集合，对添加有ADL层的深度卷积神经网络进行训练，得到中间图片识...

【专利技术属性】
技术研发人员：王少将，唐会军，刘拴林，梁堃，陈建，
申请(专利权)人：北京数美时代科技有限公司，
类型：发明
国别省市：