[发明专利]特定人物丑化图片识别方法及系统在审

专利信息
申请号: 202010531569.6 申请日: 2020-06-11
公开(公告)号: CN111832622A 公开(公告)日: 2020-10-27
发明(设计)人: 刘春阳;张旭;陈志鹏;唐胜;王鹏;张翔宇;张丽;万大千;张勇东 申请(专利权)人: 国家计算机网络与信息安全管理中心;中国科学院计算技术研究所
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 北京律诚同业知识产权代理有限公司 11006 代理人: 祁建国
地址: 100031*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 特定 人物 丑化 图片 识别 方法 系统
【权利要求书】:

1.一种特定人物丑化图片识别方法,其特征在于,包括:

步骤1、获取包含特定人物的图片集,该图片集包括多张漫画和多张照片,该图片集中每张图片标有代表是否丑化的预设标签,以该图片集中漫画和照片分别作为训练数据,训练卷积神经网络模型,得到特定人物漫画识别网络和特定人物照片识别网络;

步骤2、通过前置网络判断待识别图片是否属于漫画,若是,则将该待识别图片发送至该特定人物漫画识别网络,得到该待识别图片的特定人物丑化图片识别结果,否则对该待识别图片进行人脸对比,判断该待识别图片是否包括该特定人物,若是则通过该特定人物照片识别网络,得到该待识别图片的特定人物丑化图片识别结果,否则得到该待识别图片不包括该特定人物的识别结果。

2.如权利要求1所述的特定人物丑化图片识别方法,其特征在于,该特定人物漫画识别网络包括多层残差网络结构来进行丑化漫画、正常漫画和无关漫画的分类;该特定人物照片识别网络包括多层残差网络结构来进行丑化照片、正常照片的分类。

3.如权利要求1或2所述的特定人物丑化图片识别方法,其特征在于,该步骤1包括:

步骤11、在训练的过程中该特定人物漫画识别网络使用网络判断结果与预设标签的交叉熵作为损失函数,同时在交叉熵上为每个类别添加一个与样本数量成反比的权重;

步骤12、在训练的过程中该特定人物照片识别网络使用网络判断结果与预设标签的交叉熵作为损失函数,同时在交叉熵上为每个类别添加一个与样本数量成反比的权重。

4.如权利要求1所述的特定人物丑化图片识别方法,其特征在于,该前置网络为多层残差网络。

5.如权利要求4所述的特定人物丑化图片识别方法,其特征在于,该前置网络还用于判断该待识别图片是否为无人图片,若是则得到该待识别图片中无人的识别结果。

6.一种特定人物丑化图片识别系统,其特征在于,包括:

模块1、获取包含特定人物的图片集,该图片集包括多张漫画和多张照片,该图片集中每张图片标有代表是否丑化的预设标签,以该图片集中漫画和照片分别作为训练数据,训练卷积神经网络模型,得到特定人物漫画识别网络和特定人物照片识别网络;

模块2、通过前置网络判断待识别图片是否属于漫画,若是,则将该待识别图片发送至该特定人物漫画识别网络,得到该待识别图片的特定人物丑化图片识别结果,否则对该待识别图片进行人脸对比,判断该待识别图片是否包括该特定人物,若是则通过该特定人物照片识别网络,得到该待识别图片的特定人物丑化图片识别结果,否则得到该待识别图片不包括该特定人物的识别结果。

7.如权利要求1所述的特定人物丑化图片识别系统,其特征在于,该特定人物漫画识别网络包括多层残差网络结构来进行丑化漫画、正常漫画和无关漫画的分类;该特定人物照片识别网络包括多层残差网络结构来进行丑化照片、正常照片的分类。

8.如权利要求1或2所述的特定人物丑化图片识别系统,其特征在于,该模块1包括:

模块11、在训练的过程中该特定人物漫画识别网络使用网络判断结果与预设标签的交叉熵作为损失函数,同时在交叉熵上为每个类别添加一个与样本数量成反比的权重;

模块12、在训练的过程中该特定人物照片识别网络使用网络判断结果与预设标签的交叉熵作为损失函数,同时在交叉熵上为每个类别添加一个与样本数量成反比的权重。

9.如权利要求1所述的特定人物丑化图片识别系统,其特征在于,该前置网络为多层残差网络。

10.如权利要求4所述的特定人物丑化图片识别系统,其特征在于,该前置网络还用于判断该待识别图片是否为无人图片,若是则得到该待识别图片中无人的识别结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家计算机网络与信息安全管理中心;中国科学院计算技术研究所,未经国家计算机网络与信息安全管理中心;中国科学院计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010531569.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top