[发明专利]一种基于注意力机制的EfficientNet敏感图像检测方法及系统

说明书

本发明公开了一种基于注意力机制的EfficientNet敏感图像检测方法，包括：S1.创建图像数据集；S2.对数据集进行扩充处理，得到扩充后的图像数据集；S3.通过基于注意力机制的EfficientNet网络结构对扩充后的图像数据集进行finetune训练，得到EfficientNet网络结构的参数；S4.将EfficientNet网络结构的参数输入至numpy中，采用numpy构建基于注意力机制的EfficientNet网络模型，得到waff_EfficientNet网络模型；S5.预设敏感图像数据库，将敏感图像数据库中的图像输入waff_EfficientNet网络模型进行特征处理，得到敏感图像特征数据库；S6.将待检测的图像输入waff_EfficientNet网络模型进行特征处理，得到转换后的特征图像，计算转换后的特征图像与敏感图像特征数据库中的敏感图像的欧氏距离，并判断是否存在欧氏距离小于预设阈值，若是，则输出待测图像为敏感图像。

技术领域

本发明涉及敏感图像检测技术领域，尤其涉及一种基于注意力机制的EfficientNet敏感图像检测方法及系统。

背景技术

互联网每年新增大量图像，利用神经网络可以对图像进行检测分类，可以用来净化网络环境，保障网络事业的健康发展，以及打击有预谋的网络犯罪活动，为了提高图像分类的准确率，可以从加深网络的深度，扩展宽度来捕获更细粒度的特征，以及增加分辨率等方法来实现，但是这会大大地增加计算力负担。

如公开号为CN107203765A的专利公开了一种敏感图像检测方法和装置，所述方法包括：获取待检测图像；将所述待检测图像输入卷积神经网络模型；获取所述卷积神经网络模型中的卷积层输出的特征图；根据获取的特征图确定候选局部敏感图像位置；根据所述候选局部敏感图像位置，在所述待检测图像中截取候选局部敏感图像；将所述候选局部敏感图像输入所述卷积神经网络模型进行检测，输出所述待检测图像是否为敏感图像的检测结果。本发明提供的敏感图像检测方法和装置，无需构建敏感图像检索库，只要利用卷积神经网络模型对候选局部敏感图像进行检测，在检测到候选局部敏感图像时，即可确定待检测图像为敏感图像，从而提高了检测的准确率。虽然上述专利可以将检测出敏感图像识别，但是其采用的神经网络依然会大大地增加计算力负担。

为了解决此问题，本发明设计了一种基于注意力机制的EfficientNet敏感图像检测方法及系统。经过实验，可以提高了图像训练和检测的速度。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种基于注意力机制的EfficientNet敏感图像检测方法及系统。

为了实现以上目的，本发明采用以下技术方案：

一种基于注意力机制的EfficientNet敏感图像检测方法，包括步骤：

S1.创建图像数据集；所述图像数据集包括敏感图像、非敏感图像；

S2.对创建的数据集进行扩充处理，得到扩充后的图像数据集；

S3.通过基于注意力机制的EfficientNet网络结构对扩充后的图像数据集进行finetune微调训练，得到训练好的EfficientNet网络结构的参数；

S4.将得到的EfficientNet网络结构的参数输入至numpy中，并采用numpy构建基于注意力机制的EfficientNet网络模型，得到waff_EfficientNet网络模型；

S5.预设敏感图像数据库，将预设的敏感图像数据库中的敏感图像输入得到的waff_EfficientNet网络模型进行特征处理，得到敏感图像特征数据库；

S6.将待检测的图像输入步骤S4中得到的waff_EfficientNet网络模型进行特征处理，得到转换后的特征图像，计算转换后的特征图像与敏感图像特征数据库中的敏感图像的欧氏距离，并判断是否存在欧氏距离小于预设阈值，若是，则输出待测图像为敏感图像。