[发明专利]一种图像检测方法和装置

说明书

本发明公开了一种图像检测方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：提取第一目标图像的嵌入特征；分别通过归一化层和图像分类器，确定所述第一目标图像的嵌入特征对应的类别信息；根据所述归一化层确定的所述类别信息和所述图像分类器确定的所述类别信息，输出所述第一目标图像是否为特定类别图像的检测结果。其检测模型训练速度快，具备快速迭代优化的能力，对线上图像误检测情况能够快速响应，检测效率高，泛化能力强，可迁移性高，在新业务场景下也能达到很好的检测效果，充分满足多业务场景的检测需求。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像检测方法和装置。

背景技术

目前很多网站和App(应用程序)都提供了UGC(用户生产并发布的内容)的功能，使得每个用户都可以发布自己生产、编辑的多媒体信息，平台对线上多媒体内容的监管难度陡增，现有的人工审核方式面临巨大挑战，同时多媒体内容形式多样，包含文本、图像、音频、视频等，对审核人员也提出了更高的要求。

现有内容审核主要包括两种方案：一种是以图像分类卷积网络作为检测模型，应用较多的有Inception(GoogLeNet(一种深度网络结构)的核心结构，用于增加网络深度和宽度)、Resnet(残差网络)两类网络结构，图像经过图像分类卷积网络输出各个类别的概率值，如果违规类别的概率值过高，则说明该图像是有问题的；另一种是采用pHash(感知哈希)算法进行图像相似检测，拦截和违规名单中相似的图像。

目前内容审核存在诸多难点，一是内容安全系统必然不能对业务场景下所有可能出现的违规内容实现全部召回，不法分子总是试图绕过审核系统去传播违规内容，这对内容安全系统的快速优化迭代提出了要求；二是业务场景多样性，直播、短视频、社交网络、电商平台等，每时每分都会在线上产生大量的、多样的图像信息，需要对各种业务场景都有很好的拦截效果，这对内容安全系统的可迁移性提出了要求；三是无论是违规内容的传播，还是线上信息的阻塞，都会对用户体验造成负面影响，因此对违规风险内容的拦截要尽可能是实时的，这对内容安全系统的高效性提出了要求。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

第一种方案检测模型训练时间长，当线上出现误检测(例如漏杀或误杀)的违规内容时，迭代优化模型的速度较慢，从而在出现误检测图像之后无法快速响应，影响检测效率，第二种方案虽能通过扩充违规图像库实现快速迭代优化，但是其不具有泛化能力，对图像库以外的图像无法拦截，且上述两种方案可迁移性均不高，难以满足多业务场景的检测需求。

发明内容

有鉴于此，本发明实施例提供一种图像检测方法和装置，检测模型训练速度快，具备快速迭代优化的能力，对线上图像误检测情况能够快速响应，检测效率高，泛化能力强，可迁移性高，在新业务场景下也能达到很好的检测效果，充分满足多业务场景的检测需求。

为实现上述目的，根据本发明实施例的一个方面，提供了一种图像检测方法。

一种图像检测方法，包括：提取第一目标图像的嵌入特征；分别通过归一化层和图像分类器，确定所述第一目标图像的嵌入特征对应的类别信息；根据所述归一化层确定的所述类别信息和所述图像分类器确定的所述类别信息，输出所述第一目标图像是否为特定类别图像的检测结果。

可选地，所述提取第一目标图像的嵌入特征之前，包括：利用第一图像训练数据集训练图像分类网络，所述图像分类网络包括所述归一化层和用于提取所述第一目标图像的嵌入特征的图像嵌入特征提取器。

可选地，所述分别通过归一化层和图像分类器，确定所述第一目标图像的嵌入特征对应的类别信息之前，包括：通过训练后的所述图像嵌入特征提取器，提取所述第一图像训练数据集的嵌入特征，以得到第一图像特征训练集；利用所述第一图像特征训练集训练所述图像分类器。