[发明专利]一种涉政图像的识别方法、装置、电子设备及存储介质

权利要求书

1.一种涉政图像的识别方法，其特征在于，所述识别方法包括：

获取待识别图像；

将所述待识别图像输入至预先训练好的涉政图像识别模型中，通过所述涉政图像识别模型中的一级识别子模型，识别所述待识别图像中的一级图像特征，并基于所述一级图像特征确定所述待识别图像的初始识别标签；

通过所述涉政图像识别模型中的二级识别子模型，确定每个一级图像特征所对应的二级图像特征，并基于所述二级图像特征调整所述初始识别标签，得到二级识别标签；

通过所述涉政图像识别模型中的三级识别子模型，确定每个二级图像特征所对应的三级图像特征，并基于所述三级图像特征调整所述二级识别标签，得到类别识别标签；

基于所述类别识别标签确定所述待识别图像是否为涉政图像。

2.根据权利要求1所述的识别方法，其特征在于，通过以下步骤训练所述涉政图像识别模型：

获取多张训练样本图像、每张训练图像的样本识别标签以及每张训练样本图像对应的一级特征标签、二级特征标签以及三级特征标签；

基于所述多张训练样本图像、每张训练图像的样本识别标签以及每张训练样本图像对应的一级特征标签、二级特征标签以及三级特征标签训练预先构建好的神经网络，得到所述涉政图像识别模型。

3.根据权利要求2所述的识别方法，其特征在于，所述基于所述多张训练样本图像、每张训练图像的样本识别标签以及每张训练样本图像对应的一级特征标签、二级特征标签以及三级特征标签训练预先构建好的神经网络，得到所述涉政图像识别模型，包括：

将所述多张训练样本图像作为输入特征，将每张训练图像的样本识别标签以及每张训练样本图像对应的一级特征标签作为输出特征，训练构建好的神经网络中的时序神经网络，得到一级识别子模型；

将所述多张训练样本图像作为输入特征，将每张训练图像的样本识别标签以及每张训练样本图像对应的二级特征标签作为输出特征，训练构建好的神经网络中的卷积神经网络，得到二级识别子模型；

将所述多张训练样本图像作为输入特征，将每张训练图像的样本识别标签以及每张训练样本图像对应的三级特征标签作为输出特征，训练构建好的神经网络中的卷积神经网络，得到三级识别子模型；

基于所述一级识别子模型、所述二级识别子模型以及所述三级识别子模型，确定涉政图像识别模型。

4.根据权利要求3所述的识别方法，其特征在于，所述基于所述一级识别子模型、所述二级识别子模型以及所述三级识别子模型，确定涉政图像识别模型，包括：

获取多张验证图像、每张验证图像的样本验证标签以及每张训练样本图像二级验证标签以及三级验证标签；

通过所述一级识别子模型，确定每个验证图像的一级识别结果；

基于每个验证图像的一级识别结果和每个验证图像对应的样本验证标签，确定一级识别子模型的第一损失函数值；

通过所述二级识别子模型，确定每个验证图像的二级识别结果；

基于每个验证图像的二级识别结果和每个验证图像对应的二级验证标签，确定二级识别子模型的第二损失函数值；

通过所述三级识别子模型，确定每个验证图像的三级识别结果；

基于每个验证图像的三级识别结果和每个验证图像对应的三级验证标签，确定三级识别子模型的第三损失函数值；

基于所述第一损失函数值、第二损失函数值以及第三损失函数值，计算所涉政图像识别模型的总损失函数值；

基于所述总损失函数值，通过梯度反向传播算法，分别调节所述一级识别子模型的网络参数、所述二级识别子模型的网络参数以及所述三级识别子模型的网络参数，得到训练好的一级识别子模型、训练好的二级识别子模型以及训练好的三级识别子模型；

基于所述训练好的一级识别子模型、所述训练好的二级识别子模型以及所述训练好的三级识别子模型，得到训练好的涉政图像识别模型。

5.根据权利要求1所述的识别方法，其特征在于，确定出所述待识别图像是否为涉政图像后，所述识别方法包括：

当确定出所述待识别图像为涉政图像后，将所述类别识别标签以及所述待识别图像发送给审核用户，以供所述审核用户对所述待识别图像进行核查。