本公开提供一种识别地图中国家领土是否完整的方法、装置、存储介质，所述方法包括基于预设的图像检测模型检测待识别图像中是否包含待识别国家地图区域，若所述待识别图像中包含待识别国家地图区域，则基于预设的图像分类模型确定所述待识别国家地图区域所属的地图类别，其中，所述地图类别包括不含国家领土的地图、国家领土不完整的地图以及国家领土完整的地图。本公开的识别地图中国家领土是否完整的方法通过图像检测模型与图像分类模型结合的形式，提升小目标地图的召回能力；对不同类型的地图进行细分类，方便根据防控松紧程度、以及客户数据分布更灵活地进行策略配置。以及客户数据分布更灵活地进行策略配置。以及客户数据分布更灵活地进行策略配置。
【技术实现步骤摘要】
识别地图中国家领土是否完整的方法、装置、存储介质
[0001]本公开涉及图像识别
，尤其涉及一种识别地图中国家领土是否完整的方法、装置、存储介质。
技术介绍
[0002]利用深度学习技术识别图片中是否包含地图，以及地图的中国领土是否完整，是当前应用最为广泛的人工智能技术之一。通过提取图片的地图区域并判定该区域的中国领土是否完整，能够有效降低人工审核成本，并且降低审核图片时出错的概率。
[0003]随着互联网用户日益增多，部分用户发送的图片中存在中国领土不完整的地图，为了降低人工审核成本，现有技术是利用深度学习图像分类技术识别图片中是否包含地图，但是现有技术存在小目标地图漏识别的风险，并且无法识别地图的中国领土是否完整。
[0004]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
[0005]本公开实施例提供一种识别地图中国家领土是否完整的方法、装置、存储介质，能够至少解决现有技术中的部分或全部问题。
[0006]本公开实施例的第一方面，提供一种识别地图中国家领土是否完整的方法, 包括：
[0007]基于预设的图像检测模型检测待识别图像中是否包含待识别国家地图区域，
[0008]若所述待识别图像中包含待识别国家地图区域，
[0009]则基于预设的图像分类模型确定所述待识别国家地图区域所属的地图类别，其中，
[0010]所述地图类别包括不含国家领土的地图、国家领土不完整的地图以及国家领土完整的地图。
[0011]在一种可选的实施方式中，
[0012]所述方法还包括：
[0013]将所述图像检测模型和所述图像分类模型部署至同一个应用容器引擎；
[0014]所述图像检测模型将所述包含待识别国家地图区域送入所述图像分类模型；
[0015]所述图像分类模型确定所述包含待识别国家地图区域属于各个预设类别的预测概率，将所述预测概率中值最大的概率对应的类别作为所述包含待识别国家地图区域所属的地图类别。
[0016]在一种可选的实施方式中，
[0017]在基于预设的图像分类模型确定所述地图区域所属的地图类别之前，所述方法还包括：
[0018]构建所述图像分类模型的训练数据集时，通过标签平滑正则化算法调整所述图像分类模型对于各个地图类别的预测比例。
[0019]在一种可选的实施方式中，
[0020]所述标签平滑正则化算法如下所示：
[0021]q
′
(k|x)＝(1―∈)δ
k,y
+∈u(k)
[0022]其中，q
′
(k|x)表示新的预测分布，k表示图像分类模型输出的类别数，x表示图像检测模型的输出结果，∈表示超参，δ
k,y
表示当前的预测概率，也即未加入标签平滑前的概率分布，u(k)表示固定分布的噪声。
[0023]在一种可选的实施方式中，
[0024]所述应用容器引擎用于：
[0025]消除所述图像检测模型和所述图像分类模型中无用的输出层；和/或
[0026]将所述图像检测模型和所述图像分类模型中的卷积层、批量归一化层和修正线性层融合为同一层；和/或
[0027]将所述图像检测模型和所述图像分类模型中输入信息相同和执行相同操作的神经网络层融合为同一层。
[0028]本公开实施例的第二方面，提供一种识别地图中国家领土是否完整的装置，包括：
[0029]第一单元，用于基于预设的图像检测模型检测待识别图像中是否包含待识别国家地图区域，
[0030]第二单元，若所述待识别图像中包含待识别国家地图区域，
[0031]则基于预设的图像分类模型确定所述待识别国家地图区域所属的地图类别，其中，
[0032]所述地图类别包括不含国家领土的地图、国家领土不完整的地图以及国家领土完整的地图。
[0033]在一种可选的实施方式中，
[0034]所述装置还包括第三单元，所述第三单元用于：
[0035]将所述图像检测模型和所述图像分类模型部署至同一个应用容器引擎；
[0036]所述图像检测模型将所述包含待识别国家地图区域送入所述图像分类模型；
[0037]所述图像分类模型确定所述包含待识别国家地图区域属于各个预设类别的预测概率，将所述预测概率中值最大的概率对应的类别作为所述包含待识别国家地图区域所属的地图类别。
[0038]在一种可选的实施方式中，
[0039]所述装置还包括第四单元，所述第四单元用于：
[0040]构建所述图像分类模型的训练数据集时，通过标签平滑正则化算法调整所述图像分类模型对于各个地图类别的预测比例。
[0041]在一种可选的实施方式中，
[0042]所述标签平滑正则化算法如下所示：
[0043]q
′
(k|x)＝(1―∈)δ
k,y
+∈u(k)
[0044]其中，q
′
(k|x)表示新的预测分布，k表示图像分类模型输出的类别数，x表示图像检测模型的输出结果，∈表示超参，δ
k,y
表示当前的预测概率，也即未加入标签平滑前的概
率分布，u(k)表示固定分布的噪声。
[0045]在一种可选的实施方式中，
[0046]所述应用容器引擎用于：
[0047]消除所述图像检测模型和所述图像分类模型中无用的输出层；和/或
[0048]将所述图像检测模型和所述图像分类模型中的卷积层、批量归一化层和修正线性层融合为同一层；和/或
[0049]将所述图像检测模型和所述图像分类模型中输入信息相同和执行相同操作的神经网络层融合为同一层。
[0050]本公开实施例的第三方面，提供一种存储介质，其特征在于，包括：
[0051]处理器；
[0052]用于存储处理器可执行指令的存储器；
[0053]其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述任意一项所述的方法。
[0054]本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现前述中任意一项所述的方法。
[0055]本公开提供一种识别地图中国家领土是否完整的方法,包括：
[0056]基于预设的图像检测模型检测待识别图像中是否包含待识别国家地图区域，
[0057]若所述待识别图像中包含待识别国家地图区域，
[0058]则基于预设的图像分类模型确定所述待识别国家地图区域所属的地图类别，其中，
[0059]所述地图类别包括不含国家领土的地图、国家领土不完整的地图以及国家领土完整的地图。
[0060]本公开的方法通过图像检测模型检测待识别本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种识别地图中国家领土是否完整的方法，其特征在于，包括：基于预设的图像检测模型检测待识别图像中是否包含待识别国家地图区域，若所述待识别图像中包含待识别国家地图区域，则基于预设的图像分类模型确定所述待识别国家地图区域所属的地图类别，其中，所述地图类别包括不含国家领土的地图、国家领土不完整的地图以及国家领土完整的地图。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述图像检测模型和所述图像分类模型部署至同一个应用容器引擎；所述图像检测模型将所述包含待识别国家地图区域送入所述图像分类模型；所述图像分类模型确定所述包含待识别国家地图区域属于各个预设类别的预测概率，将所述预测概率中值最大的概率对应的类别作为所述包含待识别国家地图区域所属的地图类别。3.根据权利要求1所述的方法，其特征在于，在基于预设的图像分类模型确定所述地图区域所属的地图类别之前，所述方法还包括：构建所述图像分类模型的训练数据集时，通过标签平滑正则化算法调整所述图像分类模型对于各个地图类别的预测比例。4.根据权利要求3所述的方法，其特征在于，所述标签平滑正则化算法如下所示：q
′
(k|x)＝(1―∈)δ
k,y
+∈u(k)其中，q
′
(k|x)表示新的预测分布，k表示图像分类模型输出的类别数，x表示图像检测模型的输出结果，∈表示超参，δ
k,y
表示当前的预测概率，也即未加入标签平滑前的概率分布，u(k)表示固定分布的噪声。5.根据权利要求2所述的方法，其特征在于，所述应用容器引擎用于：消除所述图像检测模型和所述图像分类模型中无用的输出层；和/或将所述图像检测模型和所述图像分类模型中的卷积层、批量归一化层和修正线性层融合为同一层；和/或将所述图像检测模型和所述图像分类模型中输入信息相同和执行相同操作的神经网络层融合为同一层。6.一种识别地图中国家领土是否完整的装置，其特征在于，包括：第一单元，用于基于预设的图像检测模型检测待识别图像中是否包含待识别国家地图区域，第二单元，若所述待识别图像中包含待识别...
【专利技术属性】
技术研发人员：尧丽君，王语斌，施亮，
申请(专利权)人：同盾科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。