[发明专利]一种基于深度学习的混合卡通的图像检测方法

权利要求书

1.一种基于深度学习的混合卡通的图像检测方法，其特征在于：其包括以下步骤：

S1，训练模型：将大量标记好标签的图片样本喂给深度神经网络模型训练出检测不良图像的模型，具体步骤如下：

S1-1，首先准备图片样本，准备多种类型的图像，

S1-2，定义五个分类标签卡通正常、卡通不良、正常、不良和性感分别对应值0、1、2、3和4；

S1-3，样本按比例分隔为训练集与测试集，然后对图片缩放到AxB大小，并转为AxBx3的矩阵；

S1-4，将对应的标签分别转为one-hot编码形式，即向量的值是标签值所对应的下标位的值为1，其余为0；

S1-5，通过inception-v3的特征提取层将矩阵转为多维的向量然后接上256个隐藏层的全连接层；

S1-6，训练的过程加入Dropout 层以在训练过程中随机抛弃一部分的神经元，使其暂时不参与训练，从而降低过拟合；

S1-7，接上5个输出神经元的全连接层，同时使用softmax作为激活函数采用交叉熵为目标损失函数，经由adam优化器进行损失优化后得到最优模型；

S2，预测图像：用训练好的模型来做分类预测的任务了，将待检测的图像输入到训练出检测不良图像的模型中输出多个分类的概率分布，然后转换为实际的标签值。

2.根据权利要求1所述的一种基于深度学习的混合卡通的图像检测方法，其特征在于：S1-1中每一种类型图像各10000张。

3.根据权利要求1所述的一种基于深度学习的混合卡通的图像检测方法，其特征在于：S1-3中的样本按照7:3切分训练集与测试集。

4.根据权利要求1所述的一种基于深度学习的混合卡通的图像检测方法，其特征在于：S1-3中的图片缩放到150x150大小，并转为150x150x3的矩阵。

5.根据权利要求1所述的一种基于深度学习的混合卡通的图像检测方法，其特征在于：S1-5中全连接层前的神经网络结构为：将多层的卷积层接入包含一个以上神经元的全连接层，再接入与卷积层相同层数的反卷积层。