[发明专利]一种图像识别方法、电子设备及计算机可读存储介质

权利要求书

1.一种图像识别方法，其特征在于，包括：

获取待识别的目标图像；

对所述目标图像进行标签识别，得到标签识别结果；

确定标签识别结果中是否存在预设的信息标签；

若所述标签识别结果中存在所述信息标签，则识别出所述目标图像中的所有敏感信息内容；

确定所述信息标签及所述敏感信息内容中的目标关联信息；

基于所述信息标签、所述敏感信息内容、所述目标关联信息，确定所述目标图像的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述确定所述信息标签及所述敏感信息内容中的目标关联信息，包括：

确定每两个所述信息标签之间存在的第一类关联信息；

确定每个所述信息标签和每个所述敏感信息内容之间存在的第二类关联信息；

将所述第一类关联信息和所述第二类关联信息作为所述目标关联信息。

3.根据权利要求2所述的方法，其特征在于，所述基于所述信息标签、所述敏感信息内容、所述目标关联信息，确定所述目标图像的识别结果，包括：

确定每个所述信息标签对应的标签分数；

确定每个所述敏感信息内容对应的内容分数；

将所述第一类关联信息对应的两个所述信息标签的所述标签分数的分数乘积值，作为所述第一类关联信息的第一类关联分数；

将所述第二类关联信息对应的所述信息标签的所述标签分数和所述第二类关联信息对应的所述敏感信息内容的所述内容分数的分数乘积值，作为第二类关联分数；

基于所有的所述第一类关联分数和所有的所述第二类关联分数确定目标关联分数；

基于所述标签分数、所述内容分数及所述目标关联分数，确定所述目标图像的识别分数和识别等级；

将所述识别分数和所述识别等级作为所述识别结果。

4.根据权利要求3所述的方法，其特征在于，所述基于所有的所述第一类关联分数和所有的所述第二类关联分数确定目标关联分数，包括：

将所有的所述第一类关联分数和所有的所述第二类关联分数的和值确定为所述目标关联分数；

所述基于所述标签分数、所述内容分数及所述目标关联分数，确定所述目标图像的识别分数和识别等级，包括：

将所述标签分数、所述内容分数及所述目标关联分数的和值，作为所述识别分数；

将本轮识别过程中所述目标关联分数的出现次数作为所述识别等级。

5.根据权利要求3或4所述的方法，其特征在于，所述标签分数及所述内容分数的值在0到1之间。

6.根据权利要求5所述的方法，其特征在于，所述对所述目标图像进行标签识别，得到标签识别结果，包括：

将所述目标图像输入至预先训练的多类别多标签分类模型；

获取所述多类别多标签分类模型输出的所述标签识别结果；

所述多类别多标签分类模型的组成结构包括：去掉全连接层的Inception V3、CBAM模块、全连接层、Sigmoid激活层。

7.根据权利要求6所述的方法，其特征在于，所述识别出所述目标图像中的所有敏感信息内容，包括：

将所述目标图像输入至预先训练的器物检测模型，并获取所述器物检测模型输出的器物信息；

将所述目标图像输入至预先训练的人脸身份识别模型，并获取所述人脸身份识别模型输出的人物身份信息；

将所述目标图像输入至预先训练的人物属性识别模型，并获取所述人物属性识别模型输出的人物属性信息；

将所述目标图像输入至预先训练的标志识别模型，并获取所述标志识别模型输出的标志信息；

将所述器物信息、所述人物身份信息、所述人物属性信息、所述标志信息，作为所述敏感信息内容；

其中，所述器物检测模型基于yolov5模型搭建；所述人脸身份识别模型基于RetinaFace、cosineFace模型搭建；所述人物属性识别模型的组成结构包括：去掉全连接层的Inception V3、CBAM模块、全连接层、Sigmoid激活层；所述标志识别模型基于yolov5模型搭建。