[发明专利]生成图像检测模型的方法和装置

说明书

本申请实施例公开了生成图像检测模型的方法和装置。该方法的一具体实施方式包括：获取第一训练样本集合；对于第一训练样本集合中的训练样本，截取该训练样本的样本图像中包括的预设人体部位的图像，得到新的样本图像；将得到的新的样本图像和新的样本图像的标注信息作为新的训练样本添加到第一训练样本集合，得到新的第一训练样本集合；基于新的第一训练样本集合，利用机器学习的方法，训练得到第一类别图像检测模型。该实施方式实现了提高第一类别图像检测模型的检测准确率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及生成图像检测模型的方法和装置。

背景技术

随着互联网的快速发展，尤其是移动互联网的普及，各种内容的视频或图像层出不穷。目前，主要采取人工审核的方式对这些视频或图像的内容进行审核。

发明内容

本申请实施例提出了生成图像检测模型的方法和装置。

第一方面，本申请实施例提供了一种生成图像检测模型的方法，该方法包括：获取第一训练样本集合，训练样本包括样本图像和用于表征样本图像是否为第一类别图像的标注信息；对于第一训练样本集合中的训练样本，截取该训练样本的样本图像中包括的预设人体部位的图像，得到新的样本图像；将得到的新的样本图像和新的样本图像的标注信息作为新的训练样本添加到第一训练样本集合，得到新的第一训练样本集合；将新的第一训练样本集合中的训练样本的样本图像作为输入，将与输入的样本图像对应的标注信息作为期望输出，利用机器学习的方法，训练得到第一类别图像检测模型。

在一些实施例中，截取该训练样本的样本图像中包括的预设人体部位的图像，得到新的样本图像，包括：将该样本图像输入预先训练的人体部位检测模型，得到检测结果信息，检测结果信息包括该样本图像中包括的预设人体部位的图像的位置信息，其中，人体部位检测模型用于表征图像和图像中包括的预设人体部位的图像的位置信息的对应关系；基于得到的位置信息对该样本图像进行截取，得到新的样本图像。

在一些实施例中，检测结果信息还包括：该样本图像中包括的预设人体部位的图像中显示的预设人体部位的类别信息和置信度。

在一些实施例中，基于得到的位置信息对该样本图像进行截取，得到新的样本图像，包括：按照置信度由大到小的顺序，基于得到的位置信息，从该样本图像中截取预设数量的预设人体部位的图像，以及将截取的预设人体部位的图像作为新的样本图像。

在一些实施例中，人体部位检测模型通过以下步骤训练得到：获取第二训练样本集合，训练样本包括样本图像和样本图像的标注信息，其中，标注信息包括样本图像中包含的预设人体部位的图像的位置信息和样本图像中显示的预设人体部位的类别信息；将第二训练样本集合中的训练样本的样本图像作为输入，将与输入的样本图像对应的标注信息作为期望输出，训练得到人体部位检测模型。

第二方面，本申请实施例提供了一种图像检测方法，该方法包括：获取待检测图像；将待检测图像输入第一类别图像检测模型，得到用于表征待检测图像是否为第一类别图像的检测结果信息，其中，第一类别图像检测模型是按照如第一方面中任一实现方式描述的方法生成的。

第三方面，本申请实施例提供了一种生成图像检测模型的装置，该装置包括：第一训练样本集合获取单元，被配置成获取第一训练样本集合，训练样本包括样本图像和用于表征样本图像是否为第一类别图像的标注信息；截取单元，被配置成对于第一训练样本集合中的训练样本，截取该训练样本的样本图像中包括的预设人体部位的图像，得到新的样本图像；样本添加单元，被配置成将得到的新的样本图像和新的样本图像的标注信息作为新的训练样本添加到第一训练样本集合，得到新的第一训练样本集合；训练单元，被配置成将新的第一训练样本集合中的训练样本的样本图像作为输入，将与输入的样本图像对应的标注信息作为期望输出，利用机器学习的方法，训练得到第一类别图像检测模型。