[发明专利]图片检测方法和装置、存储介质及电子装置

说明书

本发明公开了一种图片检测方法和装置、存储介质及电子装置。其中，该方法包括：获取待检测的目标图片；将目标图片输入至图片识别模型中，获得图片识别模型输出的目标图片的类别，其中，图片识别模型为使用多个第一样本图片集合中的样本图片对初始图片识别模型进行多轮训练获得的模型；根据目标图片的类别对目标图片进行检测，得到检测结果，其中，检测结果用于指示目标图片是否为异常图片。本发明解决了通过图片识别模型进行检测的准确度不高的技术问题。本发明实施例的图片检测方法中，通过机器学习的方法训练获得图片识别模型，从而对图片类别进行识别。

技术领域

本发明涉及计算机领域，具体而言，涉及一种图片检测方法和装置、存储介质及电子装置。

背景技术

随着互联网技术的发展，用户可以在网络上获取或发布各种各样的信息，例如搜索、浏览或发布各种图片。但是，对于部分类别的图片并不适合在网络上流传，例如色情图片。对于这些图片是否为色情等异常图片的检测，发明人在相关技术中使用神经网络模型进行识别检测。但是现有的神经网络模型的识别准确度与神经网络模型的训练直接相关，在相关技术中通过大量图片训练获得的神经网络模型识别准确度不高。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图片检测方法和装置、存储介质及电子装置，以至少解决通过图片识别模型进行检测的准确度不高的技术问题。

根据本发明实施例的一个方面，提供了一种图片检测方法，包括：获取待检测的目标图片；将目标图片输入至图片识别模型中，获得图片识别模型输出的目标图片的类别，其中，图片识别模型为使用多个第一样本图片集合中的样本图片对初始图片识别模型进行多轮训练获得的模型，在多轮训练中的当前轮中使用多个第一样本图片集合中与当前轮对应的第一样本图片集合对初始图片识别模型进行训练所消耗的运算资源大于在多轮训练中当前轮的上一轮中使用多个第一样本图片集合中与上一轮对应的第一样本图片集合对初始图片识别模型进行训练所消耗的运算资源；根据目标图片的类别对目标图片进行检测，得到检测结果，其中，检测结果用于指示目标图片是否为异常图片。

根据本发明实施例的另一方面，还提供了一种图片检测装置，包括：第一获取单元，用于获取待检测的目标图片；第二获取单元，用于将目标图片输入至图片识别模型中，获得图片识别模型输出的目标图片的类别，其中，图片识别模型为使用多个第一样本图片集合中的样本图片对初始图片识别模型进行多轮训练获得的模型，在多轮训练中的当前轮中使用多个第一样本图片集合中与当前轮对应的第一样本图片集合对初始图片识别模型进行训练所消耗的运算资源大于在多轮训练中当前轮的上一轮中使用多个第一样本图片集合中与上一轮对应的第一样本图片集合对初始图片识别模型进行训练所消耗的运算资源；检测单元，用于根据目标图片的类别对目标图片进行检测，得到检测结果，其中，检测结果用于指示目标图片是否为异常图片。

根据本发明实施例的又一方面，还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述图片检测方法。

根据本发明实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的图片检测方法。

在本发明实施例中，采用获取待检测的目标图片，将目标图片输入至图片识别模型中，获得图片识别模型的输出的目标图片的类别，根据目标图片的类型对目标图片进行检测得到检测结果的方式，通过多个第一样本图片集合对初始图片识别模型进行多轮训练得到图片识别模型，且在多轮训练中当前轮训练使用的样本图片集合比上一轮训练所使用的样本图片集合的识别难度高，所消耗的运算资源相应高于上一轮，从而通过先使用识别难度低，也就是所消耗的运算资源低的样本图片集进行训练，并在多轮训练中提高所使用的样本图片集合中的样本图片的识别难度，达到了提高训练获得的图片识别模型的识别准确度的目的，从而实现了提高对图片进行检测的准确度的技术效果，进而解决了通过图片识别模型进行检测的准确度不高的技术问题。

附图说明