[发明专利]图像分类方法、系统、介质和电子设备

说明书

本发明的实施方式提供了一种图像分类方法，包括获取待分类图像，判断所述待分类图像是否为第一类图像，在所述待分类图像为第一类图像的情况下，检测所述待分类图像中是否包含满足预定条件的特定区域，在所述待分类图像中包含所述特定区域的情况下，基于所述特定区域，对所述待分类图像分类。该方法通过对待分类图像进行粗分类，对于不同类别的图像采用针对性的方式处理，在第一类图像中，将包含满足预定条件的特定区域的待分类图像基于该特定区域进行分类，能够提高分类的效率和准确率。本发明的实施方式还提供了一种图像分类系统、一种计算机可读存储介质以及一种电子设备。

技术领域

本发明的实施方式涉及电子技术领域，更具体地，本发明的实施方式涉及一种图像分类方法、系统、介质和电子设备。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前工业界使用的主流图像内容反垃圾方法，都是基于CNN的分类模型，如ResNet、ResNeXt等。由于CNN能提取高层次的图像语义信息，对比基于传统图像特征(例如边缘、sift等)+分类器(例如mlp、svm等)的方式，当前基于CNN的分类模型能处理客户提供场景中的大部分图像，并能返回较高的检准率与召回率。

发明内容

然而，在一些情况下，敏感区域(例如色情、暴力、广告等内容)只占据整张图像中的小部分比重。现有的基于ResNet、ResNeXt等分类方法的神经网络模型，提取的是图像的全局特征，小部分敏感区域提取的特征会淹没在全局图像特征中，导致此类图像很容易被漏判为正常图像。

为此，非常需要一种改进的图像分类方法，能够解决现有技术中小部分敏感区域提取的特征会淹没在全局图像特征中，导致此类图像很容易被漏判为正常图像的技术问题，能够提高分类的效率和准确率。

在本上下文中，本发明的实施方式期望提供一种图像分类方法、介质、系统和电子设备。

在本发明实施方式的第一方面中，提供了一种图像分类方法，包括获取待分类图像，判断所述待分类图像是否为第一类图像，在所述待分类图像为第一类图像的情况下，检测所述待分类图像中是否包含满足预定条件的特定区域，以及在所述待分类图像中包含所述特定区域的情况下，基于所述特定区域，对所述待分类图像分类。

在本发明的一个实施例中，所述基于所述特定区域对所述待分类图像分类包括基于所述特定区域确定所述待分类图像是否为敏感图像。

在本发明的另一个实施例中，所述基于所述特定区域对所述待分类图像分类包括基于所述特定区域确定所述待分类图像的敏感级别。

在本发明的另一个实施例中，所述第一类图像包括聊天截屏图像，所述特定区域包括参与聊天的对象发送的图像所在的区域。

在本发明的另一个实施例中，所述基于所述特定区域对所述待分类图像分类包括，在所述待分类图像中包含多个满足预定条件的特定区域的情况下，从多个特定区域中确定一个代表区域，以及基于所述代表区域，对所述待分类图像分类。

在本发明的另一个实施例中，所述方法还包括在所述待分类图像为第一类图像，并且所述待分类图像中不包含所述特定区域的情况下，确定所述待分类图像不为敏感图像。

在本发明的另一个实施例中，所述方法还包括在所述待分类图像为第一类图像，并且所述待分类图像中包含的特定区域的尺寸小于预设值的情况下，确定所述待分类图像不为敏感图像。