一种图像识别模型训练方法、系统、存储介质和电子设备与流程

1.本发明涉及图像模型训练技术领域，尤其涉及一种图像识别模型训练方法、系统、存储介质和电子设备。


背景技术：

2.随着移动互联网的不断进步，图片内容识别的需求也在不断扩大，例如，音视频社交平台中带有色情、暴恐等违禁内容的图片层出不穷，这不仅不利于网络世界的内容健康，也将对未成年的健康成长带来不利影响。虽然已有非常多大图像内容审查识别技术，但是现有的技术无法准确识别出图像中被模糊、遮挡的暴恐、色情内容，而且，模糊、遮挡的内容互联网中尤为常见，如何准确有效地识别图像中的模糊、遮挡的暴恐、色情内容成为了一个急需解决的问题。


技术实现要素：

3.本发明所要解决的技术问题是针对现有技术的不足，提供了一种图像识别模型训练方法、系统、存储介质和电子设备。
4.本发明的一种图像识别模型训练方法的技术方案如下：
5.将任一训练图像进行切分，得到所述任一训练图像的多个子图像，从所述任一训练图像的多个子图像中选取至少一个子图像，并从亮度增强、对比度增强、饱和度增强、高斯模糊处理、仿射变换处理中随机选取一种处理方式对选取出的任一子图像进行处理，得到所述选取出的任一子图像对应的处理后的子图像，直至得到多个处理后的子图像，将所述多个处理后的子图像与所述所述任一训练图像的多个子图像中剩余的子图像进行拼接，得到所述任一训练图像对应的处理后的训练图像，直至得到每个训练图像对应的处理后的训练图像；
6.基于多个处理后的训练图像进行训练，得到图像识别模型。
7.本发明的一种图像识别模型训练方法的有益效果如下：
8.目前在对训练图像进行处理时，往往对整张训练图像进行亮度增强、对比度增强等处理，导致一些特征不能被准确学习到，本发明对对训练图像进行处理，能够使一些特征能被准确学习到，能够提高训练出的图像识别模型的识别精度，有效地识别图像中的模糊、遮挡的暴恐和色情内容。
9.在上述方案的基础上，本发明的一种图像识别模型训练方法还可以做如下改进。
10.进一步，训练图像为色情训练图像，基于多个处理后的色情训练图像所得到的图像识别模型为色情识别模型。
11.进一步，还包括：
12.将待识别图像输入所述色情识别模型中，得到所述待识别图像的识别结果。
13.进一步，将任一训练图像进行切分后，得到9个子图像。
14.本发明的一种图像识别模型训练系统的技术方案如下：
15.包括处理模块和训练模块；
16.所述处理模块用于：将任一训练图像进行切分，得到所述任一训练图像的多个子图像，从所述任一训练图像的多个子图像中选取至少一个子图像，并从亮度增强、对比度增强、饱和度增强、高斯模糊处理、仿射变换处理中随机选取一种处理方式对选取出的任一子图像进行处理，得到所述选取出的任一子图像对应的处理后的子图像，直至得到多个处理后的子图像，将所述多个处理后的子图像与所述所述任一训练图像的多个子图像中剩余的子图像进行拼接，得到所述任一训练图像对应的处理后的训练图像，直至得到每个训练图像对应的处理后的训练图像；
17.所述训练模块用于：基于多个处理后的训练图像进行训练，得到图像识别模型。
18.本发明的一种图像识别模型训练系统的有益效果如下：
19.目前在对训练图像进行处理时，往往对整张训练图像进行亮度增强、对比度增强等处理，导致一些特征不能被准确学习到，本发明对对训练图像进行处理，能够使一些特征能被准确学习到，能够提高训练出的图像识别模型的识别精度，有效地识别图像中的模糊、遮挡的暴恐和色情内容。
20.在上述方案的基础上，本发明的一种图像识别模型训练系统还可以做如下改进。
21.进一步，训练图像为色情训练图像，基于多个处理后的色情训练图像所得到的图像识别模型为色情识别模型。
22.进一步，还包括识别模块，所述识别模块用于：
23.将待识别图像输入所述色情识别模型中，得到所述待识别图像的识别结果。
24.进一步，所述处理模块将任一训练图像进行切分后，得到9个子图像。
25.本发明的一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行上述任一项所述的一种图像识别模型训练方法。
26.本发明的一种电子设备，包括处理器和上述的存储介质，所述处理器执行所述存储介质中的指令。
附图说明
27.图1为本发明实施例的一种图像识别模型训练方法的流程示意图之一；
28.图2为第一个训练图像的示意图；
29.图3为对图2是训练图像进行切分后的示意图；
30.图4为从图3中的9个子图像中随机选取3个子图像的示意图；
31.图5对图4中选取的子图像进行处理的示意图；
32.图6为图4中的多个处理后的子图像与剩余的子图像进行拼接后形成的处理后的训练图像的示意图；
33.图7为本发明实施例的一种图像识别模型训练系统的结构示意图；
具体实施方式
34.如图1所示，本发明实施例的一种图像识别模型训练方法，包括如下步骤：
35.s1、将任一训练图像进行切分，得到任一训练图像的多个子图像，从任一训练图像的多个子图像中选取至少一个子图像，并从亮度增强、对比度增强、饱和度增强、高斯模糊
处理、仿射变换处理中随机选取一种处理方式对选取出的任一子图像进行处理，得到选取出的任一子图像对应的处理后的子图像，直至得到多个处理后的子图像，将多个处理后的子图像与任一训练图像的多个子图像中剩余的子图像进行拼接，得到任一训练图像对应的处理后的训练图像，直至得到每个训练图像对应的处理后的训练图像；
36.其中，将任一训练图像进行切分后，得到4个、6个、8个或9个子图像，也可根据实际情况设置，以“将任一训练图像进行切分后，得到9个子图像”为例进行说明：
37.例如，共有10万个训练图像，将第一个训练图像进行切分，得到9子图像，如图2和图3所示，然后随机从9个子图像中选取3个子图像，分别记作第一个子图像、第二个子图像和第三个子图像，其中，灰色框所标记的3个子图像为第一个子图像、第二个子图像和第三个子图像，如图4所示，剩余的子图像即为未被选取的6个子图像，那么：
38.1)从亮度增强、对比度增强、饱和度增强、高斯模糊处理、仿射变换处理中随机选取一种处理方式对选取出的第一个子图像进行处理，得到选取出的第一个子图像对应的处理后的子图像；
39.2)从亮度增强、对比度增强、饱和度增强、高斯模糊处理、仿射变换处理中随机选取一种处理方式对选取出的第二个子图像进行处理，得到选取出的第二个子图像对应的处理后的子图像；
40.3)从亮度增强、对比度增强、饱和度增强、高斯模糊处理、仿射变换处理中随机选取一种处理方式对选取出的第三个子图像进行处理，得到选取出的第三个子图像对应的处理后的子图像，如图5所示。
41.然后，按照原来切分的多个子图像的排布方式，将选取出的第一个子图像对应的处理后的子图像、选取出的第二个子图像对应的处理后的子图像、选取出的第二个子图像对应的处理后的子图像，和剩余的子图像即未被选取的6个子图像进行拼接，得到第一个训练图像对应的处理后的训练图像，如图6所示。
42.以此类推，得到10万个处理后的训练图像。
43.s2、基于多个处理后的训练图像进行训练，得到图像识别模型。具体地：
44.基于多个处理后的训练图像进行神经网络训练、bp神经网络训练或粒子群算法训练等，得到图像识别模型。
45.目前在对训练图像进行处理时，往往对整张训练图像进行亮度增强、对比度增强等处理，导致一些特征不能被准确学习到，本发明对对训练图像进行处理，能够使一些特征能被准确学习到，能够提高训练出的图像识别模型的识别精度，有效地识别图像中的模糊、遮挡的暴恐和色情内容。经实验证明，对于图像中的模糊、遮挡的暴恐和色情内容，本发明相对于整张训练图像进行增强，会获得9.04％的召回增益。
46.可选地，在上述技术方案中，训练图像为色情训练图像，基于多个处理后的色情训练图像所得到的图像识别模型为色情识别模型。
47.可选地，在上述技术方案中，还包括：
48.将待识别图像输入色情识别模型中，得到待识别图像的识别结果，待识别图像的识别结果为：待识别图像是色情图像，或，待识别图像不是色情图像，当待识别图像的识别结果为：待识别图像是色情图像时，则发出提醒。
49.在上述各实施例中，虽然对步骤进行了编号s1、s2等，但只是本技术给出的具体实
施例，本领域的技术人员可根据实际情况调整s1、s2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
50.如图7所示，本发明实施例的一种图像识别模型训练系统200，包括处理模块210和训练模块220；
51.处理模块210用于：将任一训练图像进行切分，得到任一训练图像的多个子图像，从任一训练图像的多个子图像中选取至少一个子图像，并从亮度增强、对比度增强、饱和度增强、高斯模糊处理、仿射变换处理中随机选取一种处理方式对选取出的任一子图像进行处理，得到选取出的任一子图像对应的处理后的子图像，直至得到多个处理后的子图像，将多个处理后的子图像与任一训练图像的多个子图像中剩余的子图像进行拼接，得到任一训练图像对应的处理后的训练图像，直至得到每个训练图像对应的处理后的训练图像；
52.训练模块220用于：基于多个处理后的训练图像进行训练，得到图像识别模型。
53.目前在对训练图像进行处理时，往往对整张训练图像进行亮度增强、对比度增强等处理，导致一些特征不能被准确学习到，本发明对对训练图像进行处理，能够使一些特征能被准确学习到，能够提高训练出的图像识别模型的识别精度，有效地识别图像中的模糊、遮挡的暴恐和色情内容。
54.可选地，在上述技术方案中，训练图像为色情训练图像，基于多个处理后的色情训练图像所得到的图像识别模型为色情识别模型。
55.可选地，在上述技术方案中，还包括识别模块，识别模块用于：
56.将待识别图像输入色情识别模型中，得到待识别图像的识别结果。
57.可选地，在上述技术方案中，处理模块210将任一训练图像进行切分后，得到9个子图像。
58.上述关于本发明的一种图像识别模型训练系统200中的各参数和各个单元模块实现相应功能的步骤，可参考上文中关于一种图像识别模型训练方法的实施例中的各参数和步骤，在此不做赘述。
59.本发明实施例的一种存储介质，的存储介质中存储有指令，当计算机读取的指令时，使的计算机执行上述任一项的的一种图像识别模型训练方法。
60.本发明实施例的一种电子设备，包括处理器和上述的存储介质，的处理器执行的存储介质中的指令。其中，电子设备可以选用电脑、手机。
61.所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。
62.因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
63.可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram),只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、
或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
64.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。