[发明专利]一种基于卷积神经网络的色情图像识别方法

权利要求书

1.一种基于卷积神经网络的色情图像识别方法，其特征在于，包括：

将待识别的图像输入训练过的卷积神经网络，提取所述图像的特征，生成特征图像；

利用所述卷积神经网络的分类模型对所述特征图像进行识别，生成第一识别结果；

利用所述卷积神经网络的目标检测模型对所述特征图像进行识别，生成第二识别结果；

利用所述卷积神经网络的融合决策模型对所述第一识别结果及所述第二识别结果进行融合，得到最终的识别结果。

2.根据权利要求1所述基于卷积神经网络的色情图像识别方法，其特征在于，利用所述融合决策模型对所述第一识别结果及所述第二识别结果进行融合，得到最终的识别结果包括：

若所述第一识别结果及所述第二识别结果中有一个识别结果为判定所述图像为色情图像，则确定所述图像为色情图像。

3.根据权利要求1所述的基于卷积神经网络的色情图像识别方法，其特征在于，利用所述融合决策模型对所述第一识别结果及所述第二识别结果进行融合，得到最终的识别结果包括：

若所述第一识别结果及所述第二识别结果均判定所述图像为正常图像，则对所述图像进行二次识别，得到最终的识别结果。

4.根据权利要求3所述的基于卷积神经网络的色情图像识别方法，其特征在于，对所述图像进行二次识别并得到最终的识别结果包括：

利用所述分类模型计算所述图像属于色情图像的概率并判断所述概率是否大于设定的阈值，若是，则确定所述图像为色情图像。

5.根据权利要求1所述的基于卷积神经网络的色情图像识别方法，其特征在于，所述卷积神经网络的训练过程包括：

构造图像数据集，其中，所述图像数据集包括多张携带标识的图像；

将所述图像数据集输入所述卷积神经网络，对所述卷积神经网络进行训练。

6.根据权利要求1所述的基于卷积神经网络的色情图像识别方法，其特征在于，所述卷积神经网络的训练过程还包括：

选择YOLOv2模型为目标检测模型；

设置所述目标检测模型锚框Anchorbox的大小和数量；

设计分类模型的网络结构，减少共享网络层的深度，增加分支网络层的深度；

将所述目标检测模型的损失函数设置为：

其中，N指的是锚框anchor-box的数量，y_l、y_j代表具体的类别，p_l、p_j代表各个类别的概率值，M为色情图像的类别数量；

将所述分类模型的损失函数设置为：

其中，n代表分类类别总数，y_i代表具体的类别，p_i代表为各个类别的概率；

设置损失融合函数为Loss_t＝αLoss_d+βLoss_c，其中，α与β为目标检测模型与分类模型的权重，α和β均大于等于1。

7.根据权利要求6所述的基于卷积神经网络的色情图像识别方法，其特征在于，所述卷积神经网络的训练过程还包括：

将所述目标检测模型及所述分类模型合并为一个模型。

8.根据权利要求6所述的基于卷积神经网络的色情图像识别方法，其特征在于，所述卷积神经网络的训练过程还包括：

设计融合决策模型并将所述融合决策模型插入所述卷积神经网络。

9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-8所述的步骤。