[发明专利]一种图像敏感信息识别方法及系统

权利要求书

1.一种图像敏感信息识别方法，其特征在于，包括监督学习阶段和半监督学习阶段；

所述监督学习阶段中：

通过线下人工标注敏感信息图片得到标记数据，根据所述标记数据进行监督模型训练；

所述半监督学习阶段中：

对未标记数据进行预处理，所述预处理包括弱数据增强和RA增强，通过所述监督模型对弱数据增强后的未标记数据预测得到伪标签；通过所述监督模型对RA增强后的未标记数据预测得到是否敏感的后验概率分布，计算后验概率分布和伪标签的损失，使半监督模型收敛；对收敛后的半监督模型进行线上生产环境部署。

2.根据权利要求1所述的一种图像敏感信息识别方法，其特征在于，弱数据增强过程，对输入到所述监督模型的未标记图片随机进行左右或上下翻转；

RA增强过程，对输入到所述监督模型的未标记图片进行几何变形或色彩变化。

3.根据权利要求1所述的一种图像敏感信息识别方法，其特征在于，计算后验概率分布和伪标签的损失公式为：

公式(1)中，表示总损失函数，表示标注图片的损失函数，表示无标注图片的损失函数，λ_u表示无标注图片损失的系数；

公式(2)表示损失计算过程，p_b表示标注信息，p_m(y|α(x_b))表示经过弱数据增强后模型预测的结果，Η表示计算两者交叉熵；

公式(3)表示损失计算过程，(max(q_b)≥τ)表示经过RA增强后的模型预测伪标注是否大于等于τ，若大于等于τ，无标注样本参与损失计算，若小于τ，无标注样本不参与损失计算，表示计算伪标签和经过RA增强后模型预测结果的交叉熵。

4.根据权利要求1所述的一种图像敏感信息识别方法，其特征在于，半监督模型训练过程，对半监督模型中高层模块的参数进行训练，半监督模型中底层模块的参数冻结，不参与训练。

5.根据权利要求1所述的一种图像敏感信息识别方法，其特征在于，通过labelimg标注工具线下人工标注敏感信息图片；使用Pytorch深度学习库搭建监督模型；使用Torchvision的数据增强库进行未标记数据的预处理。

6.一种图像敏感信息识别系统，其特征在于，包括监督学习单元和半监督学习单元；

所述监督学习单元包括：

人工标注模块，用于通过线下人工标注敏感信息图片得到标记数据；

第一模型训练模块，用于根据所述标记数据进行监督模型训练；

所述半监督学习单元包括：

预处理模块，用于对未标记数据进行预处理，所述预处理包括弱数据增强和RA增强，通过所述监督模型对弱数据增强后的未标记数据预测得到伪标签；通过所述监督模型对RA增强后的未标记数据预测得到是否敏感的后验概率分布；

第二模型训练模块，用于计算后验概率分布和伪标签的损失，使半监督模型收敛；

模型部署单元，用于对收敛后的半监督模型进行线上生产环境部署。

7.根据权利要求6所述的一种图像敏感信息识别系统，其特征在于，所述预处理模块中：

弱数据增强过程，对输入到所述监督模型的未标记图片随机进行左右或上下翻转；

RA增强过程，对输入到所述监督模型的未标记图片进行几何变形或色彩变化。