图像检测方法、模型构建和训练方法、装置、设备和介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111738290A(43)申请公布日2020.10.02(21)申请号202010407166.0(22)申请日2020.05.14(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人李俊涛(74)专利代理机构北京品源专利代理有限公司11332代理人孟金喆(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)权利要求书3页说明书16页附图5页(54)发明名称图像检测方法、模型构建和训练方法、装置、设备和介质(57)摘要本发明实施例公开了一种图像检测方法、模型构建和训练方法、装置、设备和介质。该方法包括：获取待检测图像；将所述待检测图像输入合规图像检测模型，获得所述待检测图像为合规图像的第一检测概率，其中，所述合规图像检测模型是基于由合规图像和不合规图像构成的训练样本，对目标图像检测模型进行训练而得到；根据所述第一检测概率确定所述待检测图像是否为合规图像。通过上述技术方案，实现了更加准确、更加全面地进行图像检测。CN111738290ACN111738290A权利要求书1/3页1.一种图像检测方法，其特征在于，包括：获取待检测图像；将所述待检测图像输入合规图像检测模型，获得所述待检测图像为合规图像的第一检测概率，其中，所述合规图像检测模型是基于由合规图像和不合规图像构成的训练样本，对目标图像检测模型进行训练而得到；根据所述第一检测概率确定所述待检测图像是否为合规图像。2.根据权利要求1所述的方法，其特征在于，在将所述待检测图像输入合规图像检测模型，获得所述待检测图像为合规图像的第一检测概率之前，还包括：将所述待检测图像输入不合规图像检测模型，获得所述待检测图像为不合规图像的第二检测概率，其中，所述不合规图像检测模型基于预设不合规图像类型的图像样本对设定机器学习模型进行训练而得到；若根据所述第二检测概率判断所述待检测图像不是不合规图像，则执行所述将所述待检测图像输入合规图像检测模型，获得所述待检测图像为合规图像的第一检测概率的步骤。3.根据权利要求2所述的方法，其特征在于，所述设定机器学习模型和所述目标图像检测模型具有相同的模型结构。4.根据权利要求3所述的方法，其特征在于，所述模型结构包括：特征提取子网络，用于对输入图像进行特征提取，获得特征层，其中，所述输入图像为合规图像和/或不合规图像；回归分类子网络，用于对所述特征层进行分类回归，获得所述输入图像的检测结果；所述特征提取子网络基于两步法的目标检测模型构建，所述回归分类子网络基于一步法的目标检测模型构建。5.根据权利要求4所述的方法，其特征在于，所述特征提取子网络包括基于两步法的目标检测模型中的输入层、卷积层、激活层、池化层和首个全连接层；和/或所述回归分类子网络包括基于一步法的目标检测模型中的特征分类层。6.根据权利要求4所述的方法，其特征在于，所述基于一步法的目标检测模型是运算速度大于所述基于两步法的目标检测模型的运算速度的模型。7.一种图像检测模型的训练方法，其特征在于，包括：将收集到的图像进行分类，生成初始合规图像集和初始不合规图像集；基于所述初始合规图像集和所述初始不合规图像集，对目标图像检测模型进行训练，生成合规图像检测模型，其中所述合规图像检测模型用于检测输入图像是否为合规图像。8.根据权利要求7所述的方法，其特征在于，基于所述初始合规图像集和所述初始不合规图像集，对目标图像检测模型进行训练，生成合规图像检测模型包括：分别对所述初始合规图像集和所述初始不合规图像集进行人物分类和场景分类，生成人物合规图像集、场景合规图像集、人物不合规图像集和场景不合规图像集；基于所述人物合规图像集、所述场景合规图像集、所述人物不合规图像集和所述场景不合规图像集，对所述目标图像检测模型进行训练，生成所述合规图像检测模型。9.根据权利要求7所述的方法，其特征在于，将收集到的图像进行分类，生成初始合规图像集和初始不合规图像集包括：2CN111738290A权利要求书2/3页基于不合规图像检测模型对收集到的图像进行不合规图像识别，生成初始合规图像集、疑似图像集和初始不合规图像集，其中，所述不合规图像检测模型基于预设不合规图像类型的图像样本对机器学习模型进行训练而得到；依据所述疑似图像集中每个图像是否合规的反馈结果，将所述疑似图像集中的每个图像加入所述初始合规图像集或初始不合规图像集。10.根据权利要求7所述的方法，其特征在于，所述目标图像检测模型包括：特征提取子网络，用于对输入图像进行特征提取，获得特征层，其中，所述输入图像为合规图像和/或不合规图像；回归分