[发明专利]垃圾图片的识别方法、装置及设备

说明书

本申请公开了一种垃圾图片的识别方法、装置及设备，涉及图像识别技术领域。其中方法包括：首先基于确定的深度学习模型，选取前预设数量层参数作为基础网络，并在基础网络之后构建浅层分类网络；然后冻结基础网络的参数，利用垃圾图片训练集训练浅层分类网络；若根据浅层分类网络训练更新后的参数判定网络收敛，则解冻基础网络的参数，并利用小于预设阈值的学习率，对基础网络和浅层分类网络的所有参数进行预设个数的全量数据的训练，以调整基础网络之前冻结的参数，得到目标深度学习模型；最后利用目标深度学习模型进行图片分类，以确定待识别图片是否为垃圾图片。本申请可自动化实现垃圾图片的分类识别，可提高垃圾图片的识别效率和准确率。

本申请是2020年7月24日提交中国专利局、申请号为202010720028.8、名称为“垃圾图片的识别方法、装置及设备”的中国专利申请的分案申请。

技术领域

本申请涉及图像识别技术领域，尤其是涉及到一种垃圾图片的识别方法、装置及设备。

背景技术

随着网络信息的爆炸式增长，各个来源的图片数据也越来越多，而不符合法律法规、不适宜互联网环境的图片也随之出现，为了维护绿色纯净的互联网环境，图片反垃圾的工作也变得尤为重要。

图片反垃圾主要应用在头像审核、互联网术语(User Generated Content，UGC)审核、即时通讯，以及其他上传、发布、展示图片的场景里。目前，可通过人工逐一审核的方式，进而找到这些垃圾图片。然而这种人工审核的方式效率较低，并且会耗费大量的人力成本。

发明内容

有鉴于此，本申请提供了一种垃圾图片的识别方法、装置及设备，主要目的在于改善目前人工审核垃圾图片的方式效率较低，会耗费大量人力成本的技术问题。

依据本申请的一个方面，提供了一种垃圾图片的识别方法，该方法包括：

基于确定的深度学习模型，选取前预设数量层参数作为基础网络，并在所述基础网络之后构建浅层分类网络，不同的垃圾图片类型各自对应一个独立参数的浅层分类网络；

冻结所述基础网络的参数，并利用垃圾图片训练集，训练所述浅层分类网络，以更新所述浅层分类网络对应的参数，其中每个浅层分类网络都由各自对应垃圾图片类型的训练集进行训练；

若根据所述浅层分类网络训练更新后的参数判定网络收敛，则解冻所述基础网络的参数，并利用小于预设阈值的学习率，对所述基础网络和所述浅层分类网络的所有参数进行预设个数的全量数据的训练，以调整所述基础网络之前冻结的参数，得到目标深度学习模型；

根据待识别图片的图片特征，利用所述目标深度学习模型进行图片分类，以确定所述待识别图片是否为垃圾图片。

依据本申请的另一方面，提供了一种垃圾图片的识别装置，该装置包括：

构建模块，用于基于确定的深度学习模型，选取前预设数量层参数作为基础网络，并在所述基础网络之后构建浅层分类网络，不同的垃圾图片类型各自对应一个独立参数的浅层分类网络；

训练模块，用于冻结所述基础网络的参数，并利用垃圾图片训练集，训练所述浅层分类网络，以更新所述浅层分类网络对应的参数，其中每个浅层分类网络都由各自对应垃圾图片类型的训练集进行训练；

若根据所述浅层分类网络训练更新后的参数判定网络收敛，则解冻所述基础网络的参数，并利用小于预设阈值的学习率，对所述基础网络和所述浅层分类网络的所有参数进行预设个数的全量数据的训练，以调整所述基础网络之前冻结的参数，得到目标深度学习模型；

分类模块，用于根据待识别图片的图片特征，利用所述目标深度学习模型进行图片分类，以确定所述待识别图片是否为垃圾图片。

依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述垃圾图片的识别方法。