CN108764374A - 图像分类方法、系统、介质和电子设备 - Google Patents
图像分类方法、系统、介质和电子设备 Download PDFInfo
- Publication number
- CN108764374A CN108764374A CN201810597462.4A CN201810597462A CN108764374A CN 108764374 A CN108764374 A CN 108764374A CN 201810597462 A CN201810597462 A CN 201810597462A CN 108764374 A CN108764374 A CN 108764374A
- Authority
- CN
- China
- Prior art keywords
- image
- classified
- specific region
- graph picture
- classification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Abstract
本发明的实施方式提供了一种图像分类方法,包括获取待分类图像,判断所述待分类图像是否为第一类图像,在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域,在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。该方法通过对待分类图像进行粗分类,对于不同类别的图像采用针对性的方式处理,在第一类图像中,将包含满足预定条件的特定区域的待分类图像基于该特定区域进行分类,能够提高分类的效率和准确率。本发明的实施方式还提供了一种图像分类系统、一种计算机可读存储介质以及一种电子设备。
Description
技术领域
本发明的实施方式涉及电子技术领域,更具体地,本发明的实施方式涉及一种图像分类方法、系统、介质和电子设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前工业界使用的主流图像内容反垃圾方法,都是基于CNN的分类模型,如ResNet、ResNeXt等。由于CNN能提取高层次的图像语义信息,对比基于传统图像特征(例如边缘、sift等)+分类器(例如mlp、svm等)的方式,当前基于CNN的分类模型能处理客户提供场景中的大部分图像,并能返回较高的检准率与召回率。
发明内容
然而,在一些情况下,敏感区域(例如色情、暴力、广告等内容)只占据整张图像中的小部分比重。现有的基于ResNet、ResNeXt等分类方法的神经网络模型,提取的是图像的全局特征,小部分敏感区域提取的特征会淹没在全局图像特征中,导致此类图像很容易被漏判为正常图像。
为此,非常需要一种改进的图像分类方法,能够解决现有技术中小部分敏感区域提取的特征会淹没在全局图像特征中,导致此类图像很容易被漏判为正常图像的技术问题,能够提高分类的效率和准确率。
在本上下文中,本发明的实施方式期望提供一种图像分类方法、介质、系统和电子设备。
在本发明实施方式的第一方面中,提供了一种图像分类方法,包括获取待分类图像,判断所述待分类图像是否为第一类图像,在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域,以及在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。
在本发明的一个实施例中,所述基于所述特定区域对所述待分类图像分类包括基于所述特定区域确定所述待分类图像是否为敏感图像。
在本发明的另一个实施例中,所述基于所述特定区域对所述待分类图像分类包括基于所述特定区域确定所述待分类图像的敏感级别。
在本发明的另一个实施例中,所述第一类图像包括聊天截屏图像,所述特定区域包括参与聊天的对象发送的图像所在的区域。
在本发明的另一个实施例中,所述基于所述特定区域对所述待分类图像分类包括,在所述待分类图像中包含多个满足预定条件的特定区域的情况下,从多个特定区域中确定一个代表区域,以及基于所述代表区域,对所述待分类图像分类。
在本发明的另一个实施例中,所述方法还包括在所述待分类图像为第一类图像,并且所述待分类图像中不包含所述特定区域的情况下,确定所述待分类图像不为敏感图像。
在本发明的另一个实施例中,所述方法还包括在所述待分类图像为第一类图像,并且所述待分类图像中包含的特定区域的尺寸小于预设值的情况下,确定所述待分类图像不为敏感图像。
在本发明的另一个实施例中,所述获取待分类图像包括获取预定数量的待分类图像。所述判断所述待分类图像是否为第一类图像包括判断各个待分类图像是否为第一类图像。所述在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域包括,检测所述预定数量的待分类图像中为第一类图像的各个待分类图像是否包含满足预定条件的特定区域。所述在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类包括,确定与所述预定数量的待分类图像对应的待处理图像,对所述待处理图像分类,获得分类结果,以及将所述分类结果作为对应的待分类图像的分类结果。其中,在所述待分类图像为第一类图像且包含满足预定条件的特定区域的情况下,所述待处理图像为所述特定区域的图像,并且/或者,在所述待分类图像不为第一类图像的情况下,所述待处理图像与所述待分类图像相同。
在本发明实施方式的第二方面中,提供了一种图像分类系统,包括获取模块、判断模块、检测模块以及分类模块。获取模块,用于获取待分类图像。判断模块,用于判断所述待分类图像是否为第一类图像。检测模块,用于在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域。分类模块,用于在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。
在本发明的一个实施例中,所述分类模块包括第一分类子模块或者第二分类子模块。第一分类子模块,用于基于所述特定区域,确定所述待分类图像是否为敏感图像。第二分类子模块,用于基于所述特定区域,确定所述待分类图像的敏感级别。
在本发明的另一个实施例中,所述第一类图像包括聊天截屏图像,所述特定区域包括参与聊天的对象发送的图像所在的区域。
在本发明的另一个实施例中,所述分类模块包括第一确定子模块以及第三分类子模块。第一确定子模块,用于在所述待分类图像中包含多个满足预定条件的特定区域的情况下,从多个特定区域中确定一个代表区域。第三分类子模块,用于基于所述代表区域,对所述待分类图像分类。
在本发明的一个实施例中,所述系统还包括第一确定模块,用于在所述待分类图像为第一类图像,并且所述待分类图像中不包含所述特定区域的情况下,确定所述待分类图像不为敏感图像。
在本发明的一个实施例中,所述系统还包括第二确定模块,用于在所述待分类图像为第一类图像,并且所述待分类图像中包含的特定区域的尺寸小于预设值的情况下,确定所述待分类图像不为敏感图像。
在本发明的另一个实施例中,所述获取模块用于获取预定数量的待分类图像,所述判断模块用于判断各个待分类图像是否为第一类图像,所述检测模块用于检测所述预定数量的待分类图像中为第一类图像的各个待分类图像是否包含满足预定条件的特定区域,所述分类模块包括第二确定子模块以及第四分类子模块。第二确定子模块,用于确定与所述预定数量的待分类图像对应的待处理图像,其中,在所述待分类图像为第一类图像且包含满足预定条件的特定区域的情况下,所述待处理图像为所述特定区域的图像,并且/或者,在所述待分类图像不为第一类图像的情况下,所述待处理图像与所述待分类图像相同。第四分类子模块,用于对所述待处理图像分类,获得分类结果,将所述分类结果作为对应的待分类图像的分类结果。
在本发明实施方式的第三方面中,提供了一种计算机可读存储介质,其上存储有可执行指令,所述可执行指令被处理单元执行时使所述处理单元执行根据如上所述任一项方法。
在本发明实施方式的第四方面中,提供了一种电子设备,包括处理单元以及存储单元,其上存储有可执行指令,所述指令被所述处理单元执行时使所述处理单元执行如上所述任一方法。
该方法、系统、介质和电子设备,通过对待分类图像进行粗分类,对于不同类别的图像采用针对性的方式处理,在第一类图像中,将包含满足预定条件的特定区域的待分类图像基于该特定区域进行分类,能够提高分类的效率和准确率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明示例性实施例的图像分类方法的系统架构;
图2示意性地示出了根据本发明示例性实施例的图像分类方法的流程图;
图3示意性地示出了根据本发明示例性实施例的在待分类图像中包含特定区域的情况下,基于特定区域,对待分类图像分类的流程图;
图4示意性地示出了根据本发明另一示例性实施例的图像分类方法的流程图;
图5示意性地示出了根据本发明示例性实施例的图像分类系统的框图;
图6示意性地示出了根据本发明示例性实施例的分类模块的框图;
图7示意性地示出了根据本发明另一示例性实施例的分类模块的框图;
图8示意性地示出了根据本发明示例性实施例的适用于实现图像分类方法和系统的计算机可读存储介质示意图;
图9示意性地示出了根据本发明示例性实施例的适用于实现图像分类方法和系统的电子设备图;以及
图10示意性地示出了根据本发明示例性实施例的聊天截屏图像的示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机应用程序。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种图像分类方法、系统和电子设备。
在本文中,需要理解的是,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,在一些情况下,敏感区域只占据整张图像中的小部分比重。现有的基于ResNet、ResNeXt等分类方法的神经网络模型,提取的是图像的全局特征,小部分敏感区域提取的特征会淹没在全局图像特征中,导致此类图像很容易被漏判为正常图像。本发明实施例提供的方法通过对待分类图像进行粗分类,对于不同类别的图像采用针对性的方式处理,在第一类图像中,将包含满足预定条件的特定区域的待分类图像基于该特定区域进行分类,能够提高分类的效率和准确率。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1,图1示意性地示出了根据本发明示例性实施例的图像分类方法的系统架构。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种应用。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。服务器105例如可以是通过接口提供各种服务的服务器。
需要说明的是,本公开实施例所提供的图像分类方法一般可以由服务器105执行。相应地,本公开实施例所提供的图像分类系统一般可以设置于服务器105中。本公开实施例所提供的图像分类方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的图像分类系统也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
示例性方法
下面结合图1的应用场景,参考图2来描述根据本发明示例性实施方式的图像分类方法。需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
如图2所示,该方法包括步骤S210~S240。
在步骤S210,获取待分类图像。
在步骤S220,判断所述待分类图像是否为第一类图像。
在步骤S230,在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域。
本发明示例性实施例根据是否为包含特定区域的第一类图像,采取不同的处理方式,能够更有针对性地处理该图像。第一类图像以及特定区域可以根据实际需要进行定义,以下实施例仅仅为了示例性说明本发明的方法,本发明对于第一类图像和特定区域的定义并不限定。
根据本发明示例性实施例,所述第一类图像包括聊天截屏图像,所述特定区域包括参与聊天的对象发送的图像所在的区域。图10示意性地示出了根据本发明示例性实施例的聊天截屏图像1000的示意图,如图10所示,该图像1000包含用户的聊天内容,其中,一个用户发送了一张图像。根据本发明示例性实施例,该聊天截屏图像1000属于第一类图像,特定区域包括聊天过程中发送的图像所在的区域1010。
在步骤S240,在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。例如,可以判断图像是否属于色情图像、广告图像等等。
根据本发明示例性实施例,所述基于所述特定区域,对所述待分类图像分类包括基于所述特定区域,确定所述待分类图像是否为敏感图像。例如,基于所述特定区域,确定所述待分类图像属于色情图像或非色情图像,或者,确定所述待分类图像属于含有色情、暴力等内容的敏感图像或正常图像。
根据本发明示例性实施例,所述基于所述特定区域,对所述待分类图像分类包括基于所述特定区域,确定所述待分类图像的敏感级别。在一些实施方式中,可以对敏感内容分级,从而对图像分级。例如,可以分为一级敏感图像,二级敏感图像以及非敏感图像等。本发明示例性实施例的方法可以对图像分类,可以用于确定图像的敏感级别。
下面结合图3,对本发明另一示例性实施例的步骤S240进行说明。
图3示意性地示出了根据本发明示例性实施例的在待分类图像中包含特定区域的情况下,基于特定区域,对待分类图像分类的流程图。
如图3所示,该方法包括步骤S310~S320。
在步骤S310,在所述待分类图像中包含多个满足预定条件的特定区域的情况下,从多个特定区域中确定一个代表区域。例如,在聊天截屏图像中包含参与聊天的对象发送的多个图像区域的情况下,可以从该些区域中确定出敏感程度最高的一个区域作为代表区域。
在步骤S320,基于所述代表区域,对所述待分类图像分类。例如,当代表区域包含敏感内容时,将所述待分类图像确定为敏感图像,当代表区域不包含敏感内容时,将所述待分类图像确定为非敏感图像。
该方法通过对待分类图像进行粗分类,对于不同类别的图像采用针对性的方式处理,在第一类图像中,将包含满足预定条件的特定区域的待分类图像基于该特定区域进行分类,能够提高分类的效率和准确率。
根据本发明示例性实施例,所述方法还包括,在所述待分类图像为第一类图像,并且所述待分类图像中不包含所述特定区域的情况下,确定所述待分类图像不为敏感图像。例如,聊天截屏图像中不包含参与聊天的对象发送的图像时,在不考虑敏感文字的情况下,聊天截图本身也不包含敏感内容,可以直接将其确定为非敏感图像,节省计算资源,提高系统效率。
根据本发明示例性实施例,所述方法还包括,在所述待分类图像为第一类图像,并且所述待分类图像中包含的特定区域的尺寸小于预设值的情况下,确定所述待分类图像不为敏感图像。例如,可以确定一预设值,当特定区域的尺寸小于该预设值时,认为该特定区域的内容难以辨识,不能够包含可能产生不良影响的敏感内容。
图4示意性地示出了根据本发明另一示例性实施例的图像分类方法的流程图。
根据本发明示例性实施例,图像分类过程可以批量处理。如图4所示,该方法包括步骤S410~S450。
在步骤S410,获取预定数量的待分类图像。例如,可以设定每次获取10张图像。
在步骤S420,判断各个待分类图像是否为第一类图像。
在步骤S430,检测所述预定数量的待分类图像中为第一类图像的各个待分类图像是否包含满足预定条件的特定区域。
在步骤S440,确定与所述预定数量的待分类图像对应的待处理图像。
根据本发明示例性实施例,在所述待分类图像为第一类图像且包含满足预定条件的特定区域的情况下,所述待处理图像为所述特定区域的图像。
根据本发明示例性实施例,在所述待分类图像不为第一类图像的情况下,所述待处理图像与所述待分类图像相同。
在步骤S450,对所述待处理图像分类,获得分类结果,将所述分类结果作为对应的待分类图像的分类结果。
本发明所公开的上述实施例可任意组合,或者做简单变换,得到需要的处理策略,以实现较好的技术效果。
示例性装置
在介绍了本发明示例性实施方式的方法之后,接下来,参考图5对本发明示例性实施方式的图像分类系统进行介绍。
图5示意性地示出了根据本发明示例性实施例的图像分类系统500的框图。
如图5所示,该图像分类系统包括获取模块510、判断模块520、检测模块530以及分类模块540。
获取模块510,例如执行上文参考图2描述的步骤S210,用于获取待分类图像。
判断模块520,例如执行上文参考图2描述的步骤S220,用于判断所述待分类图像是否为第一类图像。
检测模块530,例如执行上文参考图2描述的步骤S230,用于在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域。
分类模块540,例如执行上文参考图2描述的步骤S240,用于在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。
根据本发明示例性实施例,所述分类模块540包括第一分类子模块或者第二分类子模块。
第一分类子模块,用于基于所述特定区域,确定所述待分类图像是否为敏感图像。
第二分类子模块,用于基于所述特定区域,确定所述待分类图像的敏感级别。
根据本发明示例性实施例,所述第一类图像包括聊天截屏图像,所述特定区域包括参与聊天的对象发送的图像所在的区域。
图6示意性地示出了根据本发明示例性实施例的分类模块540的框图。
如图6所示,该分类模块540包括第一确定子模块610以及第三分类子模块620。
第一确定子模块610,例如执行上文参考图3描述的步骤S310,用于在所述待分类图像中包含多个满足预定条件的特定区域的情况下,从多个特定区域中确定一个代表区域。
第三分类子模块620,例如执行上文参考图3描述的步骤S320,用于基于所述代表区域,对所述待分类图像分类。
根据本发明示例性实施例,所述系统还包括第一确定模块,用于在所述待分类图像为第一类图像,并且所述待分类图像中不包含所述特定区域的情况下,确定所述待分类图像不为敏感图像。
根据本发明示例性实施例,所述系统还包括第二确定模块,用于在所述待分类图像为第一类图像,并且所述待分类图像中包含的特定区域的尺寸小于预设值的情况下,确定所述待分类图像不为敏感图像。
图7示意性地示出了根据本发明另一示例性实施例的分类模块540的框图。
如图7所示,该分类模块540包括第二确定子模块710以及第四分类子模块720。
第二确定子模块710,例如执行上文参考图4描述的步骤S440,用于确定与所述预定数量的待分类图像对应的待处理图像。
根据本发明示例性实施例,在所述待分类图像为第一类图像且包含满足预定条件的特定区域的情况下,所述待处理图像为所述特定区域的图像。
根据本发明示例性实施例,在所述待分类图像不为第一类图像的情况下,所述待处理图像与所述待分类图像相同。
第四分类子模块720,例如执行上文参考图4描述的步骤S450,用于对所述待处理图像分类,获得分类结果,将所述分类结果作为对应的待分类图像的分类结果。
根据本发明示例性实施例,所述获取模块510用于获取预定数量的待分类图像,所述判断模块520用于判断各个待分类图像是否为第一类图像,所述检测模块530用于检测所述预定数量的待分类图像中为第一类图像的各个待分类图像是否包含满足预定条件的特定区域。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块510、判断模块520、检测模块530、分类模块540、第一分类子模块、第二分类子模块、第一确定子模块610、第三分类子模块620、第一确定模块、第二确定模块、第二确定子模块710以及第四分类子模块720中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块510、判断模块520、检测模块530、分类模块540、第一分类子模块、第二分类子模块、第一确定子模块610、第三分类子模块620、第一确定模块、第二确定模块、第二确定子模块710以及第四分类子模块720中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块510、判断模块520、检测模块530、分类模块540、第一分类子模块、第二分类子模块、第一确定子模块610、第三分类子模块620、第一确定模块、第二确定模块、第二确定子模块710以及第四分类子模块720中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
示例性介质
本发明示例性实施方式提供了一种计算机可读存储介质,存储有计算机可执行指令,上述指令在被处理单元执行时用于实现上述方法实施例中任一项所述的图像分类方法。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使所述电子设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的图像分类方法的步骤,例如,所述电子设备可以执行如图2中所示的步骤S210:获取待分类图像;步骤S220:判断所述待分类图像是否为第一类图像;步骤S230:在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域;步骤S240:在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——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。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。
如图8所示,描述了根据本发明实施方式的用于实现图像分类方法和系统的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本发明的程序产品不限于此,在本文件中,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。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆,RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言——诸如Java,C++等,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
示例性电子设备
在介绍了本发明示例性实施方式的方法、介质和装置之后,接下来,参考图9对本发明示例性实施方式的一种电子设备进行描述。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或应用程序。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”、“系统”或者“单元”。
在一些可能的实施方式中,根据本发明的电子设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的图像分类方法中的步骤。例如,所述处理单元可以执行如图2中所示的步骤S210:获取待分类图像;步骤S220:判断所述待分类图像是否为第一类图像;步骤S230:在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域;步骤S240:在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。
下面参照图9来描述根据本发明的这种实施方式的电子设备。图9所示的电子设备900仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备900以通用电子设备的形式表现。电子设备900的组件可以包括但不限于:上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930。
总线930可以包括数据总线、地址总线和控制总线。
存储单元920可以包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储单元920还可以包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备900也可以与一个或多个外部设备940(例如键盘、指向设备、蓝牙设备等)通信,这种通信可以通过输入/输出(I/O)接口950进行。并且,电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器960通过总线930与电子设备900的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备900使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了图像分类系统的若干单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种图像分类方法,包括:
获取待分类图像;
判断所述待分类图像是否为第一类图像;
在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域;
在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。
2.根据权利要求1所述的方法,其中,所述基于所述特定区域,对所述待分类图像分类包括:
基于所述特定区域,确定所述待分类图像是否为敏感图像;或者
基于所述特定区域,确定所述待分类图像的敏感级别。
3.根据权利要求1所述的方法,其中,所述第一类图像包括聊天截屏图像,所述特定区域包括参与聊天的对象发送的图像所在的区域。
4.根据权利要求1所述的方法,其中,所述基于所述特定区域,对所述待分类图像分类包括:
在所述待分类图像中包含多个满足预定条件的特定区域的情况下,从多个特定区域中确定一个代表区域;
基于所述代表区域,对所述待分类图像分类。
5.根据权利要求1所述的方法,还包括:
在所述待分类图像为第一类图像,并且所述待分类图像中不包含所述特定区域的情况下,确定所述待分类图像不为敏感图像。
6.根据权利要求1所述的方法,还包括:
在所述待分类图像为第一类图像,并且所述待分类图像中包含的特定区域的尺寸小于预设值的情况下,确定所述待分类图像不为敏感图像。
7.根据权利要求1所述的方法,其中:
所述获取待分类图像包括获取预定数量的待分类图像;
所述判断所述待分类图像是否为第一类图像包括判断各个待分类图像是否为第一类图像;
所述在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域包括,检测所述预定数量的待分类图像中为第一类图像的各个待分类图像是否包含满足预定条件的特定区域;
所述在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类包括:
确定与所述预定数量的待分类图像对应的待处理图像;
对所述待处理图像分类,获得分类结果,将所述分类结果作为对应的待分类图像的分类结果,
其中:
在所述待分类图像为第一类图像且包含满足预定条件的特定区域的情况下,所述待处理图像为所述特定区域的图像;并且/或者
在所述待分类图像不为第一类图像的情况下,所述待处理图像与所述待分类图像相同。
8.一种图像分类系统,包括:
获取模块,用于获取待分类图像;
判断模块,用于判断所述待分类图像是否为第一类图像;
检测模块,用于在所述待分类图像为第一类图像的情况下,检测所述待分类图像中是否包含满足预定条件的特定区域;
分类模块,用于在所述待分类图像中包含所述特定区域的情况下,基于所述特定区域,对所述待分类图像分类。
9.一种计算机可读存储介质,其上存储有可执行指令,所述可执行指令被处理单元执行时使所述处理单元执行根据权利要求1-7中任一项所述的方法。
10.一种电子设备,包括:
处理单元;以及
存储单元,其上存储有可执行指令,所述指令被所述处理单元执行时使所述处理单元执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810597462.4A CN108764374B (zh) | 2018-06-11 | 2018-06-11 | 图像分类方法、系统、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810597462.4A CN108764374B (zh) | 2018-06-11 | 2018-06-11 | 图像分类方法、系统、介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108764374A true CN108764374A (zh) | 2018-11-06 |
CN108764374B CN108764374B (zh) | 2022-07-19 |
Family
ID=64021339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810597462.4A Active CN108764374B (zh) | 2018-06-11 | 2018-06-11 | 图像分类方法、系统、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764374B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163300A (zh) * | 2019-05-31 | 2019-08-23 | 北京金山云网络技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
CN112488162A (zh) * | 2020-11-17 | 2021-03-12 | 中南民族大学 | 一种基于主动学习的垃圾分类方法 |
CN112598016A (zh) * | 2020-09-17 | 2021-04-02 | 北京小米松果电子有限公司 | 图像分类方法及装置、通信设备及存储介质 |
CN112926608A (zh) * | 2019-12-05 | 2021-06-08 | 北京金山云网络技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117413A (zh) * | 2011-03-01 | 2011-07-06 | 金华就约我吧网络科技有限公司 | 基于多层特征的不良图像自动过滤方法 |
CN103164687A (zh) * | 2011-12-15 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种色情图像侦测的方法和系统 |
CN105095911A (zh) * | 2015-07-31 | 2015-11-25 | 小米科技有限责任公司 | 敏感图片识别方法、装置以及服务器 |
CN105808610A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种互联网图片过滤方法及装置 |
CN107832765A (zh) * | 2017-09-13 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 对包括文字内容和图像内容的图片识别 |
-
2018
- 2018-06-11 CN CN201810597462.4A patent/CN108764374B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117413A (zh) * | 2011-03-01 | 2011-07-06 | 金华就约我吧网络科技有限公司 | 基于多层特征的不良图像自动过滤方法 |
CN103164687A (zh) * | 2011-12-15 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种色情图像侦测的方法和系统 |
CN105808610A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种互联网图片过滤方法及装置 |
CN105095911A (zh) * | 2015-07-31 | 2015-11-25 | 小米科技有限责任公司 | 敏感图片识别方法、装置以及服务器 |
CN107832765A (zh) * | 2017-09-13 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 对包括文字内容和图像内容的图片识别 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163300A (zh) * | 2019-05-31 | 2019-08-23 | 北京金山云网络技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
CN112926608A (zh) * | 2019-12-05 | 2021-06-08 | 北京金山云网络技术有限公司 | 一种图像分类方法、装置、电子设备及存储介质 |
CN112598016A (zh) * | 2020-09-17 | 2021-04-02 | 北京小米松果电子有限公司 | 图像分类方法及装置、通信设备及存储介质 |
CN112488162A (zh) * | 2020-11-17 | 2021-03-12 | 中南民族大学 | 一种基于主动学习的垃圾分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108764374B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sabokrou et al. | Video anomaly detection and localisation based on the sparsity and reconstruction error of auto‐encoder | |
CN108764374A (zh) | 图像分类方法、系统、介质和电子设备 | |
CN105100003B (zh) | 一种客户端的网页游戏预加载方法及装置 | |
WO2019061443A1 (zh) | 一种通知显示方法及终端 | |
CN108363792A (zh) | 应用页面的链接生成方法、装置、存储介质及电子设备 | |
JP7358117B2 (ja) | イメージ自動分類方法及びシステム | |
US11842289B2 (en) | Original idea extraction from written text data | |
CN104246748A (zh) | 用于确定情境的系统和方法 | |
CN110392155B (zh) | 通知消息的显示、处理方法、装置及设备 | |
CN110351134A (zh) | 一种服务器环境切换方法、装置和电子设备 | |
CN110674414A (zh) | 目标信息识别方法、装置、设备及存储介质 | |
CN105302619A (zh) | 一种信息处理方法及装置、电子设备 | |
CN109934194A (zh) | 图片分类方法、边缘设备、系统及存储介质 | |
CN107592399A (zh) | 一种联系人的显示方法及移动终端 | |
CN104408193B (zh) | 数据可视化模型的处理方法及装置 | |
CN110442803A (zh) | 由计算设备执行的数据处理方法、装置、介质和计算设备 | |
CN111727438A (zh) | 用于图像识别处理的对象分类 | |
CN109840120A (zh) | 解耦微服务发布方法、电子装置及计算机可读存储介质 | |
US11379898B2 (en) | Touch and pressure-based apparel image searching | |
CN106021279B (zh) | 信息显示方法和装置 | |
CN110297976A (zh) | 基于云检索的推荐方法、装置、设备及可读存储介质 | |
JP7206632B2 (ja) | 2モードネットワークにおけるサブネットワークパターンの視覚的探索のためのシステム及び方法、プログラム | |
CN106055688A (zh) | 搜索结果的展现方法、装置和移动终端 | |
CN112765022B (zh) | 一种基于数据流的Webshell静态检测方法及电子设备 | |
KR101784057B1 (ko) | 모바일 단말의 사용자 정보를 이용한 맞춤형 콘텐츠 공유 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210930 Address after: 310052 Room 408, building 3, No. 399, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Netease Zhiqi Technology Co.,Ltd. Address before: 310052 Building No. 599, Changhe Street Network Business Road, Binjiang District, Hangzhou City, Zhejiang Province, 4, 7 stories Applicant before: NETEASE (HANGZHOU) NETWORK Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |