[发明专利]一种图片异常检测的方法及装置

说明书

本发明公开了一种图片异常检测的方法及装置，该方法包括获取待检测图片，将待检测图片输入到训练好的神经网络模型中，生成第一图片，确定第一图片与所述待检测图片的误差损失是否大于误差损失阈值，若是，则确定待检测图片存在异常。通过使用训练好的神经网络模型和标记有图片正负样本的训练集确定的误差损失阈值来确定待检测图片是否存在异常，相比现有技术中先通过深度学习模型筛选出大概率异常的图片，再经过人工甄别的检测方式，可以实现无需人工参与，降低人工成本，同时由于误差损失阈值是依据训练好的神经网络模型和标记有图片正负样本的训练集确定的，是一个动态值，可以提高图片异常检测的效率和精度。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及一种图片异常检测的方法及装置。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技转变，但由于金融行业的安全性、实时性要求，也对技术提出的更高的要求。在金融领域的图片检测技术中，印章真假鉴别是图片检测技术中一个重要的问题。

印章，亦称图章，用作印于文件上表示鉴定或签署的文具。公章使一种法律象征，作为对文件法律效率认可的承诺。公章存在的意义是一种证据。随着市场经济的发展，在与他人或其他组织进行合约或协议的签订时，部分不法分子为了获取更多的利益，从而铤而走险，采用不具有法律效力的印章进行签署。当前情况下，印章的鉴别需要一定的印章知识和经验，并且需要一定量的人力去鉴别。在有些场景中(例如银行借贷中心)，每天需要处理较大量的有公章的文件。一般情况下，此类场景需要耗费大量的人力去进行类似的鉴别工作。在满足一定精度的情况下，可以使用深度学习技术对印章进行异常检测，以对印章进行初步的处理并选取存在较大造假风险的印章，进而由人工进行检测。一般来说，基于深度学习的印章造假鉴别可以节省80％的印章鉴别人力，但是还是需要人工参与进行印章造假的检测。

发明内容

本发明实施例提供一种图片异常检测的方法及装置，用以实现自动检测图片异常，无需人工参与，提高图片异常检测的效率和精度。

第一方面，本发明实施例提供一种图片异常检测的方法，包括：

获取待检测图片；

将所述待检测图片输入到训练好的神经网络模型中，生成第一图片；

确定所述第一图片与所述待检测图片的误差损失是否大于误差损失阈值，若是，则确定所述待检测图片存在异常；

其中，所述误差损失阈值是根据所述训练好的神经网络模型和标记有图片正负样本的训练集确定的。

上述技术方案中，通过使用训练好的神经网络模型和标记有图片正负样本的训练集确定的误差损失阈值来确定待检测图片是否存在异常，相比现有技术中先通过深度学习模型筛选出大概率异常的图片，再经过人工甄别的检测方式，可以实现无需人工参与，降低人工成本，同时由于误差损失阈值是依据训练好的神经网络模型和标记有图片正负样本的训练集确定的，是一个动态值，进而可以提高图片异常检测的效率和精度。

可选的，所述将所述待检测图片输入到训练好的神经网络模型中，生成第一图片，包括：

使用所述训练好的神经网络模型中编码器将所述待检测图片编码为一维向量；

使用所述训练好的神经网络模型中解码器对所述一维向量进行解码，生成所述第一图片。

上述技术方案中，通过使用训练好的神经网络模型中编码器和解码器对待检测图片进行编码和解码后，能够得到重建图片，通过重建图片与待检测图片之间的误差损失来判断待检测图片是否为异常图片，可以提高图片异常检测的精度。

可选的，所述训练好的神经网络模型是使用标记有图片正负样本的图片训练集对预设的神经网络模型进行训练学习得到的，所述方法还包括：