[发明专利]一种基于CosFace的涉黄图片智能识别方法及系统

说明书

本发明涉及涉黄图片识别技术领域，提供一种基于CosFace的涉黄图片智能识别方法及系统，所述方法包括：步骤100，获取要识别的图片；步骤200，将图片输入特征提取网络，获取分类特征向量；步骤300，将获取的分类特征向量，输入到基于CosFace损失函数的鉴黄分类模型中，识别出图片类别；所述图片类别包括：正常图片和涉黄图片。本发明能够提高鉴黄分类模型的学习能力，提高涉黄图片的识别精度。

技术领域

本发明涉及涉黄图片识别技术领域，尤其涉及一种基于CosFace的涉黄图片智能识别方法及系统。

背景技术

目前，很多互联网应用允许用户上传图片、头像等。但是图片内容千差万别，为了确保健康良好的互联网环境，国家对上传的图片内容有严格的规定，禁止上传黄色图片。因此，在图片显示在网络之前需经过检测，判断是否为黄色图片。

鉴黄服务在主流的互联网公司，安全厂商均提供服务接口，用于判断是否为黄色图片。在鉴黄领域常用的手段是基于深度学习模型，提取特征，基于特征判断是否涉黄。鉴黄是判断图片为正常图片和黄色图片二类，但现实中由于图片场景的复杂多变，鉴黄模型的识别结果很容易出现误差，对涉黄图片判别的准确率还是较低。

综上所述，现有的鉴黄方案无法对复杂的场景有好的鲁棒性，无法对涉黄图片进行准确的判别。

发明内容

本发明主要解决由于图片场景的复杂多变，鉴黄模型的识别结果很容易出现误差，对涉黄图片判别的准确率还是较低的技术问题，提出一种基于CosFace的涉黄图片智能识别方法及系统，以提高鉴黄分类模型的学习能力，提高涉黄图片的识别精度。

本发明提供了一种基于CosFace的涉黄图片智能识别方法，包括以下过程：

步骤100，获取要识别的图片；

步骤200，将图片输入特征提取网络，获取分类特征向量；

步骤300，将获取的分类特征向量，输入到基于CosFace损失函数的鉴黄分类模型中，识别出图片类别；所述图片类别包括：正常图片和涉黄图片；

所述鉴黄分类模型的CosFace损失函数公式如下：

其中，L表示损失函数，N表示在一次训练过程里采样的样本数量；s表示缩放因子；m表示惩罚因子；θ表示权重向量和特征向量之间的夹角；j表示第j个分类器；y_i表示第i个样本所属类别标签；

所述鉴黄分类模型的分类边界是：

(W₁-W₂)x+b₁-b₂＝0；

其中，W₁和W₂表示神经网络最后全连接层的权重向量，x表示分类特征向量，b₁和b₂表示偏置；

CosFace损失函数限制||W₁||＝||W₂||＝1，并且b₁＝b₂＝0，特征向量x赋值为缩放因子s，||x||＝s；

所述鉴黄分类模型的正常图片的边界决策函数：

cos(θ₁)cos(θ₂)；

所述鉴黄分类模型的涉黄图片的边界决策函数：

cos(θ₁)cos(θ₂)；

其中，θ_i是权重向量W_i和特征向量x之间的夹角。