RU2622874C1

RU2622874C1 - Способ, устройство и сервер распознавания конфиденциальной фотографии

Info

Publication number: RU2622874C1
Application number: RU2016108022A
Authority: RU
Inventors: Тао Чжан; Фэй Лун; Чжицзюнь ЧЭНЬ
Original assignee: Сяоми Инк.
Priority date: 2015-07-31
Filing date: 2015-12-28
Publication date: 2017-06-20
Also published as: WO2017020515A1; KR101795325B1; EP3125153A1; CN105095911A; US10235603B2; JP6461349B2; CN105095911B; MX361445B; JP2017530491A; KR20170023762A; US20170032224A1; MX2016002947A

Abstract

Изобретение относится к области распознавания конфиденциальной фотографии. Технический результат – расширение арсенала технических средств для распознавания конфиденциальной фотографии. Способ распознавания конфиденциальной фотографии, содержащий этапы, на которых: получают библиотеку фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке; получают набор обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, содержащие приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, не содержащие приватных частей; вводят первый класс обучающих фотографий и второй класс обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии; получают набор контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, содержащие приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, не содержащие приватные части; выполняют распознавание первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок соответственно, посредством применения модели распознавания конфиденциальной фотографии, для получения результатов классификации, соответствующих каждой из контрольных фотографий; и определяют степень точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий; выполняют распознавание фотографии, подлежащей обработке, посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и сохраняют фотографию, подлежащую обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией. 3 н. и 14 з.п. ф-лы, 13 ил.

Description

Область техники, к которой относится изобретение

Настоящее раскрытие, в общем, относится к области технологии связи и, в частности, к способу, устройству и серверу распознавания конфиденциальной фотографии.

Уровень техники

В настоящее время с ростом популярности смартфонов использование телефона для съемки фотографий становится все более распространенным. Более конкретно, некоторым пользователям телефона нравится снимать автопортреты, и некоторые из этих автопортретов являются эротическими фотографиями. В результате, в библиотеке фотографий телефона может находиться много конфиденциальных фотографий.

В предшествующем уровне техники для того, чтобы обеспечить конфиденциальность и избежать нежелательного доступа к конфиденциальным фотографиям, пользователи телефонов обычно должны вручную перемещать эти конфиденциальные фотографии в приватные фотоальбомы, которые являются скрытыми и зашифрованными.

Раскрытие изобретения

В раскрытии выполнены способ, устройство и сервер распознавания конфиденциальной фотографии. Иллюстрированные варианты осуществления поясняются ниже.

Согласно первому аспекту настоящего раскрытия обеспечивается способ распознавания конфиденциальной фотографии, включающий в себя этапы, на которых: получают библиотеки фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке; выполняют распознавания фотографии, подлежащей обработке, посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и сохраняют фотографию, подлежащую обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов применения модели распознавания конфиденциальной фотографии для выполнения распознавания фотографии, подлежащей обработке, чтобы определить, является ли фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом. В результате, одновременно экономится время и труд; можно повысить эффективность распознавания конфиденциальной фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

Альтернативно или дополнительно, перед распознаванием способ может дополнительно включать в себя этапы, на которых: получают набор обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; и осуществляют ввод первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, что коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения набора обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; и ввод первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, что коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии, при этом модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

Альтернативно или дополнительно, способ может дополнительно включать в себя этапы, на которых: получают набор контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; выполняют распознавание первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, путем применения модели распознавания конфиденциальной фотографии, чтобы получить результаты классификации, соответствующие каждой из контрольных фотографий; и определяют степень точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий.

Альтернативно или дополнительно, способ может дополнительно включать в себя этапы, на которых: после определения, периодически выполняют следующие операций, когда степень точности классификации меньше заданного порогового значения до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения: обновляют набор обучающих выборок; обучают коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, в соответствии с обновленным набором обучающих выборок, для получения обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации; и выполняют тестирования степени точности классификации для обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации, на основании обновленного набора контрольных выборок для определения соответствующей степени точности классификации.

Альтернативно или дополнительно, способ может дополнительно включать в себя этапы, на которых: определяют максимальную степень точности классификации из степеней точности классификации, соответствующих каждой из итераций; и определяют обновленную модель распознавания конфиденциальной фотографии, соответствующую максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; выполняют распознавание первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, путем применения модели распознавания конфиденциальной фотографии для получения степени точности классификации модели распознавания конфиденциальной фотографии; причем в случае, когда степень точности классификации меньше заданного порогового значения, обучают коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, в соответствии с обновленным набором обучающих выборок до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения; определяют максимальную степень точности классификации из степеней точности классификации, соответствующих каждой из итераций; и определения обновленной модели распознавания конфиденциальной фотографии, соответствующей максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии, можно повысить степень точности классификации модели распознавания конфиденциальной фотографии, и, таким образом, модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

Альтернативно или дополнительно, перед распознаванием способ, может дополнительно включать в себя этапы, на которых: нормализуют фотографию, подлежащую обработке, по заданному размеру для получения фотографии заданного размера, соответствующей фотографии, подлежащей обработке. Соответственно, распознавание включает в себя этапы, на которых: выполняют распознавание фотографии заданного размера посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов нормализации фотографии, подлежащей обработке, по заданному размеру для получения фотографии заданного размера, соответствующей фотографии, подлежащей обработке, применяют модель распознавания конфиденциальной фотографии для выполнения распознавания фотографии заданного размера для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией, и сохраняют фотографию, подлежащую обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, при этом можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом, и, таким образом, одновременно экономится время и труд. Более того, скорость распознавания модели распознавания конфиденциальной фотографии для фотографии, подлежащей обработке, можно повысить с помощью операции нормализации для фотографии, подлежащей обработке. Следовательно, можно повысить эффективность конфиденциального распознавания фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

Альтернативно или дополнительно, перед этапом нормализации способ может дополнительно включать в себя этапы, на которых: получают область цвета кожи на фотографии, подлежащей обработке; и извлекают область цвета кожи, которая содержится на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке. Соответственно, этап нормализации может включать в себя подэтап, на котором: нормализируют изображение области цвета кожи по заданному размеру для получения фотографии заданного размера, соответствующей изображению области цвета кожи.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения области цвета кожи на фотографии, подлежащей обработке, извлечения областей цвета кожи, которые содержатся на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, другие области за исключением области цвета кожи оказывают меньшее влияние на распознавание фотографии, подлежащей обработке. Соответственно, можно повысить эффективность распознавания конфиденциальности фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

Альтернативно или дополнительно, в данном случае этап получения может включать в себя этапы, на которых: выполняют распознавание фотографии, подлежащей обработке, посредством применения модели цвета кожи для принятия решения относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; определяют, в случае фотографии, подлежащей обработке и содержащей область цвета кожи, содержит ли фотография, подлежащая обработке, присоединяемые области цвета кожи, на основании положений областей цвета кожи; и выполняют обработку связности для соединяемых областей цвета кожи на фотографии, подлежащей обработке в случае, когда фотография, подлежащая обработке, содержит присоединяемые области цвета кожи, для получения области цвета кожи.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов применения модели цвета кожи для выполнения распознавание фотографии, подлежащей обработке, чтобы принять решение относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; выполнения обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке, и извлечения присоединенной области цвета кожи фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке; выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно уменьшить количество изображений областей цвета кожи, которые необходимо идентифицировать, и, таким образом, можно повысить эффективность распознавания конфиденциальности фотографии.

Альтернативно или дополнительно, перед вводом способ может дополнительно включать в себя этапы, на которых: соответственно, нормализуют первый класс обучающих фотографий и второй класс обучающих фотографий по заданному размеру для получения фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий. Соответственно, этап ввода может включать в себя подэтапы, на которых: вводят фотографии заданного размера, соответствующие первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов, соответственно, нормализации первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для получения фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, и ввода фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы обучить коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии, можно повысить скорость обработки исходной модели распознавания конфиденциальной фотографии для введенных обучающих фотографий, и, таким образом, можно повысить скорость обучения исходной модели распознавания конфиденциальной фотографии.

Альтернативно или дополнительно, перед этапом нормализацией способ может дополнительно включать в себя этапы, на которых: получают приватные области первого класса обучающих фотографий в наборе обучающих выборок; и обрезают первый класс обучающих фотографий в соответствии с приватными областями для получения изображения приватных областей, соответствующих первому классу обучающих фотографий. Соответственно, этап нормализации может включать в себя подэтап, на котором: нормализуют изображения приватных областей, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, по заданному размеру для получения фотографий заданного размера, соответствующих изображениям приватных областей и второму классу обучающих фотографий, соответственно.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения приватных областей первого класса обучающих фотографий в наборе обучающих выборок, обрезки первого класса обучающих фотографий в соответствии с приватными областями для получения изображения приватных областей, соответствующих первому классу обучающих фотографий, нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий, и затем ввода нормализованных изображений в исходную модель распознавания конфиденциальной фотографии и обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, можно избежать помех по отношению к исходной модели распознавания конфиденциальной фотографии, которые вызваны другими областями, за исключением приватных областей в первом классе обучающих фотографий. Соответственно, можно повысить скорость обучения модели распознавания конфиденциальной фотографии, и, таким образом, можно повысить эффективность обучения модели распознавания конфиденциальной фотографии.

Согласно второму аспекту настоящего раскрытия выполнено устройство распознавания конфиденциальной фотографии, включающее в себя: первый модуль получения, выполненный с возможностью получения библиотеки фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке; первый модуль распознавания, выполненный с возможностью распознавания фотографии, подлежащей обработке, посредством применения модели распознавания конфиденциальной фотографии определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и модуль хранения, выполненный с возможностью хранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов применения модели распознавания конфиденциальной фотографии для выполнения распознавания фотографии, подлежащей обработке, чтобы определить, является ли фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом. В результате, одновременно экономится время и труд; можно повысить эффективность распознавания конфиденциальности фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

Альтернативно или дополнительно, устройство может дополнительно включать в себя: второй модуль получения, выполненный с возможностью получения набора обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; и модуль ввода, выполненный с возможностью ввода первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения набора обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; и ввода первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии, при этом модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

Альтернативно или дополнительно, устройство может дополнительно включать в себя: третий модуль получения, выполненный с возможностью получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; второй модуль распознавания, выполнен с возможностью распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, путем применения модели распознавания конфиденциальной фотографии для получения результатов классификации, соответствующих каждой из контрольных фотографий; и первый модуль определения, выполненный с возможностью определения степени точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий.

Альтернативно или дополнительно, устройство может дополнительно включать в себя: модуль выполнения итераций, выполненный с возможностью периодического выполнения следующих операций, когда степень точности классификации меньше заданного порогового значения, до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения: обновления набора обучающих выборок; обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, в соответствии с обновленным набором обучающих выборок, для получения обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации; и выполнения тестирования степени точности классификации для обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации, на основании обновленного набора контрольных выборок для определения соответствующей степени точности классификации.

Альтернативно или дополнительно, устройство может дополнительно включать в себя: второй модуль определения, выполненный с возможностью определения максимальной степени точности классификации из степеней точности классификации, соответствующих каждой из итераций; и третий модуль определения, выполненный с возможностью определения обновленной модели распознавания конфиденциальной фотографии, соответствующей максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; выполнения распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, путем применения модели распознавания конфиденциальной фотографии для получения степени точности классификации модели распознавания конфиденциальной фотографии; в случае, когда степень точности классификации меньше заданного порогового значения, обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации в соответствии с обновленным набором обучающих выборок до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения; определения максимальной степени точности классификации среди степеней точности классификации, соответствующих каждой из итераций; и определения обновленной модели распознавания конфиденциальной фотографии, соответствующей максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии, можно повысить степень точности классификации модели распознавания конфиденциальной фотографии, и, таким образом, модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

Альтернативно или дополнительно, устройство может дополнительно включать в себя этап нормализации фотографии, подлежащей обработке, по заданному размеру для получения фотографии заданного размера, соответствующей фотографии, подлежащей обработке. Соответственно, первый модуль распознавания может включать в себя: первый блок распознавания, выполненный с возможностью распознавания фотографии заданного размера путем применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов нормализации фотографии, подлежащей обработке, по заданному размеру для получения фотографии заданного размера, соответствующей фотографии, подлежащей обработке, применения модели распознавания конфиденциальной фотографии для выполнения распознавания фотографии заданного размера для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом, и, таким образом, одновременно экономится время и труд. Более того, скорость распознавания модели распознавания конфиденциальной фотографии для фотографии, подлежащей обработке, можно повысить с помощью операции нормализации для фотографии, подлежащей обработке. Следовательно, можно повысить эффективность конфиденциального распознавания фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

Альтернативно или дополнительно, устройство может дополнительно включать в себя: четвертый модуль получения, выполненный с возможностью получения области цвета кожи на фотографии, подлежащей обработке; и модуль извлечения, выполненный с возможностью извлечения области цвета кожи, которая содержится на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке. Соответственно, первый модуль обработки может включать в себя: первый блок обработки, выполненный с возможностью нормализации изображения области цвета кожи по заданному размеру для получения фотографии заданного размера, соответствующей изображению области цвета кожи.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения области цвета кожи на фотографии, подлежащей обработке, извлечения области цвета кожи, которая содержится на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, другие области за исключением области цвета кожи оказывают меньшее влияние на распознавание фотографии, подлежащей обработке. Соответственно, можно повысить эффективность конфиденциального распознавания фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

Альтернативно или дополнительно, в данном случае четвертый модуль получения может включать в себя: второй блок распознавания, выполненный с возможностью распознавания фотографии, подлежащей обработке, путем применения модели цвета кожи для принятия решения относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; блок определения, выполненный с возможностью определения в случае, когда фотография, подлежащая обработке и содержащая область цвета кожи, относительно того, содержит ли фотография, подлежащая обработке, присоединяемые области цвета кожи, на основании положений областей цвета кожи; и блок соединения, выполненный с возможностью обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке в случае, когда фотография, подлежащая обработке, содержит присоединяемые области цвета кожи, для получения области цвета кожи.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов применения модели цвета кожи для выполнения распознавание фотографии, подлежащей обработке, чтобы принять решение относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; выполнения обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке, и извлечение присоединенной области цвета кожи фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке; выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, чтобы определить, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно уменьшить количество изображений областей цвета кожи, которые необходимо идентифицировать, и, таким образом, можно повысить эффективность конфиденциального распознавания фотографии.

Альтернативно или дополнительно, устройство может дополнительно включать в себя: второй модуль обработки, выполненный с возможностью, соответственно, нормализации первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для получения фотографии заданного размера, соответствующие первому классу обучающих фотографий и второму классу обучающих фотографий. Соответственно, модуль ввода может включать в себя: блок ввода, выполненный с возможностью ввода фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов, соответственно, нормализации первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для получения фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, и ввода фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы можно было обучить коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии, можно повысить скорость обработки исходной модели распознавания конфиденциальной фотографии для введенных обучающих фотографий, и, таким образом, можно повысить скорость обучения исходной модели распознавания конфиденциальной фотографии.

Альтернативно или дополнительно, устройство может дополнительно включать в себя: пятый модуль получения, выполненный с возможностью получения приватных областей первого класса обучающих фотографий в наборе обучающих выборок; и модуль обрезки, выполненный с возможностью обрезки первого класса обучающих фотографий в соответствии с приватными областями для того, чтобы иметь изображения приватных областей, соответствующих первому классу обучающих фотографий. Соответственно, второй модуль обработки может включать в себя: второй блок обработки, выполненный с возможностью нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий по заданному размеру для того, чтобы иметь фотографии заданного размера, соответствующие изображениям приватных областей и второму классу обучающих фотографий, соответственно.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов получения приватных областей первого класса обучающих фотографий в наборе обучающих выборок, обрезания первого класса обучающих фотографий в соответствии с приватными областями для получения изображения приватных областей, соответствующих первому классу обучающих фотографий, нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий, и затем ввода нормализованных изображений в исходную модель распознавания конфиденциальной фотографии и обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, можно избежать помех по отношению к исходной модели распознавания конфиденциальной фотографии, которые вызваны другими областями, за исключением приватных областей в первом классе обучающих фотографий. Соответственно, можно повысить скорость обучения модели распознавания конфиденциальной фотографии, и, таким образом, можно повысить эффективность обучения модели распознавания конфиденциальной фотографии.

Согласно третьему аспекту настоящего раскрытия выполнен сервер распознавания конфиденциальной фотографии, включающий в себя компонент обработки; и память для хранения исполняемых инструкций компонента обработки, где компонент обработки выполнен с возможностью: получения библиотеки фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке; выполнения распознавания фотографии, подлежащей обработке, посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией.

Следует понимать, что как предшествующее общее описание, так и последующее подробное описание являются только примерными и не ограничивают настоящее раскрытие.

Краткое описание чертежей

Сопроводительные чертежи, которые включены в описание и образуют части описания, иллюстрируют варианты осуществления в соответствии с раскрытием и совместно с описанием служат для объяснения принципов раскрытия.

На фиг. 1 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно примерному варианту осуществления;

на фиг. 2 показана структура сети примерной сверточной нейронной сети;

на фиг. 3 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 4 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 5 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 6 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 7 показана блок-схема, иллюстрирующая устройство распознавания конфиденциальной фотографии согласно примерному варианту осуществления;

на фиг. 8 показана блок-схема, иллюстрирующая устройство распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 9 показана блок-схема, иллюстрирующая устройство распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 10 показана блок-схема, иллюстрирующая устройство распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 11 показана блок-схема, иллюстрирующая устройство распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления;

на фиг. 12 показана блок-схема, иллюстрирующая устройство распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления; и

на фиг. 13 показана блок-схема, иллюстрирующая сервер согласно примерному варианту осуществления.

На вышеупомянутых фигурах проиллюстрированы конкретные варианты осуществления изобретения, которые более подробно будут рассмотрены ниже. Эти фигуры и литературное описание не предназначены для ограничения каким-либо образом объема раскрытия, а вместо этого просто описывают концепцию раскрытия для специалистов в данной области техники со ссылками на конкретные варианты осуществления.

Осуществление изобретения

Теперь будет сделана ссылка на подробное описание примерных вариантов осуществления, примеры которых иллюстрированы на сопроводительных чертежах. Последующее описание относится к сопроводительным чертежам, на которых одинаковые ссылочные позиции на различных чертежах представляют собой одинаковые или аналогичные элементы, если не указано иное. Реализации, изложенные в последующем описании примерных вариантов осуществления, не представляют собой все реализации, предусмотренные раскрытием. Напротив, реализации являются только примерами устройств и способов, согласно аспектам, которые относятся к раскрытию, как изложено в прилагаемой формуле изобретения.

На фиг. 1 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно примерному варианту осуществления, который можно выполнить с помощью устройства распознавания конфиденциальной фотографии. Устройство распознавания конфиденциальной фотографии может быть, например, сервером, соответствующим интеллектуальным терминалам, таким как телефонный терминал, PAD и т.д., или программным обеспечением, установленным на сервере. Устройство распознавания конфиденциальной фотографии может быть также интеллектуальным терминалом, таким как телефонный терминал, PAD и т.д. или прикладной программой (арр), установленной на интеллектуальном терминале. Способ распознавания конфиденциальной фотографии, иллюстрированный в виде примерного варианта осуществления, может включать в себя несколько следующих этапов.

На этапе 101 получают библиотеку фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке.

В данном варианте осуществления прежде, чем сервер получит библиотеку фотографий пользовательского терминала, пользовательский терминал позволяет вручную или автоматически обновить или загрузить фотографии в библиотеку фотографий на облачном сервере.

На этапе 102 применяют модель распознавания конфиденциальной фотографии для выполнения распознавания фотографии, подлежащей обработке, чтобы определить, является ли фотография, подлежащая обработке, конфиденциальной фотографией.

В этом примерном варианте осуществления сверточная нейронная сеть используется для создания модели распознавания конфиденциальной фотографии. Сверточная нейронная сеть, в качестве одной разновидности из многочисленных искусственных нейронных сетей, стала особенно актуальной в области анализа голоса и распознавания изображения. Совместно используемые весовые коэффициенты в структуре сверточной нейронной сети повышают вероятность ее использования в качестве биологической нейронной сети, уменьшают сложность модели сети и уменьшают количество весовых коэффициентов. Данное преимущество будет наиболее заметным в случае, когда входным сигналом сети является многомерное изображение. Выбирая изображение в качестве прямого ввода сети, можно избежать сложных процессов извлечения признаков и восстановления данных, как это имеет место в традиционных алгоритмах распознавания.

Структура сети сверточной нейронной сети показана на фиг. 2. Сверточная нейронная сеть является многослойной нейронной сетью, в которой каждый слой состоит из многочисленных двухмерных плоскостей, и каждая плоскость состоит из многочисленных независимых нейронов. В примерной реализации предполагается, что сверточная нейронная сеть, основанная на модели распознавания конфиденциальной фотографии, может иметь N-слойную структуру, в которой весовые коэффициенты соединений между узлами скрытых слоев в каждых двух соседних слоях определяются с помощью набора обучающих выборок. В настоящем раскрытии весовые коэффициенты соединений между узлами скрытых слоев для простоты иллюстрации называются "коэффициентами признаков". То есть модель распознавания конфиденциальной фотографии имеет коэффициенты признаков N слоев.

В данном варианте осуществления входные данные модели распознавания конфиденциальной фотографии представляют собой фотографию, подлежащую обработке, а ее выходные данные могут представлять собой результат классификации атрибутов фотографии, подлежащей обработке. Атрибут фотографии, подлежащей обработке, может включать в себя: конфиденциальный и не конфиденциальный. Путем ввода фотографии, подлежащей обработке, в модель распознавания конфиденциальной фотографии на основании результата классификации атрибутов, выведенного для фотографии, подлежащей обработке, можно определить то, является ли фотография, подлежащая обработке, конфиденциальной фотографией.

На этапе 103 в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, фотография, подлежащая обработке, сохраняется в приватном фотоальбоме.

Более конкретно, приватный фотоальбом представляет собой фотоальбом, используемый, в частности, для хранения конфиденциальных фотографий. Этот фотоальбом может быть зашифрован или иметь конфигурацию скрытого статуса для предотвращения доступа со стороны других пользователей и во избежание любой утечки конфиденциальности пользователя.

В данном варианте осуществления фотография, подлежащая обработке, не ограничена фотографией, которая содержится в библиотеке фотографий пользовательского терминала, и фотографии можно также получить с помощью других методов или из других источников. Методы, с помощью которых можно получать фотографии, не ограничиваются в данном документе, и методы можно сконфигурировать так, как это требуется.

В данном варианте осуществления путем применения модели распознавания конфиденциальной фотографии для выполнения распознавания фотографии, подлежащей обработке, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом. В результате, одновременно экономится время и труд; можно повысить эффективность распознавания конфиденциальности фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

На фиг. 3 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления. Как показано на фиг. 3, за исключением этапов, описанных на фиг. 1, перед этапом 102, способ может дополнительно включать в себя следующие этапы.

На этапе 104 получается набор обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, и второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части.

В примерной реализации сбор первого класса обучающих фотографий и второго класса обучающих фотографий может осуществляться сервером. С целью обеспечения определенных эффектов обучения, одновременно число первого класса обучающих фотографий и число второго класса обучающих фотографий в наборе обучающих выборок могут быть больше первого заданного числа. Например, число первого класса обучающих фотографий может быть больше или равно 200000, и число второго класса обучающих фотографий может быть больше или равно 300000.

На этапе 105 первый класс обучающих фотографий и второй класс обучающих фотографий в произвольном порядке вводятся в исходную модель распознавания конфиденциальной фотографии так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

В возможной реализации сервер может в произвольном порядке вводить каждую обучающую фотографию в исходную модель распознавания конфиденциальной фотографии и сравнивать результат классификации атрибутов, выведенный с помощью исходной модели распознавания конфиденциальной фотографии, с атрибутом введенной обучающей фотографии для того, чтобы определить, требуется ли регулировать какой-либо коэффициент признака между узлами скрытых слоев в каждом скрытом слое текущей исходной модели распознавания конфиденциальной фотографии. Однако этот вид способа обучения может иметь такую проблему: сразу после прямой регулировки коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии согласно предыдущей обучающей фотографии, можно отрегулировать в обратном порядке коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии согласно последующей обучающей фотографии. Следовательно, коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии можно часто и периодически регулировать.

С учетом этого в альтернативном варианте осуществления, сервер может вводить пакет обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в правильной последовательности и затем определить, требуется ли для дальнейшей настройки какой-либо коэффициент признака между узлами скрытых слоев в каждом скрытом слое текущей исходной модели распознавания конфиденциальной фотографии на основании результатов классификации атрибутов этого пакета обучающих фотографий, выведенных с помощью исходной модели распознавания конфиденциальной фотографии. После этого следующий пакет обучающих фотографий будет вводиться в правильной последовательности в исходную модель распознавания конфиденциальной фотографии.

В данном примерном варианте осуществления при использовании этапов получения набора обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; и ввод первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии, при этом модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

После обучения, описанного в приведенных выше вариантах осуществления, полученная модель распознавания конфиденциальной фотографии может не иметь степени точности классификации, которая удовлетворяет заданному пороговому значению. Таким образом, для того чтобы степень точности классификации модели распознавания конфиденциальной фотографии удовлетворяла заданному пороговому значению, после этапа 105 сервер может также выполнить следующие этапы (как показано на фиг. 4):

На этапе 106 требуется набор контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части.

В примерной реализации для того, чтобы улучшить эффекты тестирования, число первых классов контрольных фотографий и число вторых классов контрольных фотографий, которые содержатся в наборе контрольных выборок, могут быть больше второго заданного числа. Например, число первого класса контрольных фотографий может быть больше или равно 20000, и число второго класса контрольных фотографий может быть больше или равно 30000.

На этапе 107 модель распознавания конфиденциальной фотографии применяется для выполнения распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, для получения результатов классификаций, соответствующих каждой из контрольных фотографий.

На этапе 108 определяется степень точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий.

В другой примерной реализации, если результат классификации контрольной фотографии соответствует атрибуту контрольной фотографии, классификация является правильной; в противном случае классификация является неправильной. Степень точности классификации модели распознавания конфиденциальной фотографии определяется как отношение числа контрольных фотографий, имеющих правильный результат классификации, к общему числу контрольных фотографий.

На этапе 109 в случае, когда степень точности классификации меньше заданного порогового значения, периодически будут выполняться следующие операции до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения. Периодически выполняемые операции включают в себя: обновление набора обучающих выборок; обучение коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, в соответствии с обновленным набором обучающих выборок, для получения обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации; и выполнение тестирования степени точности классификации для обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации, на основании обновленного набора контрольных выборок для того, чтобы определить соответствующую степень точности классификации.

На этапе 110 максимальная степень точности классификации определяется среди степеней точности классификации, соответствующих каждой из итераций.

На этапе 111 обновленная модель распознавания конфиденциальной фотографии, соответствующая максимальной степени точности классификации, определяется в качестве целевой модели распознавания конфиденциальной фотографии.

Следует отметить, что, первое заданное число и второе заданное число, как описано здесь, можно получить в ходе большого экспериментального анализа, который не будет описываться в данном документе.

В настоящем примерном варианте осуществления при использовании этапов получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; выполнения распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, путем применения модели распознавания конфиденциальной фотографии для получения степени точности классификации модели распознавания конфиденциальной фотографии; в случае, когда степень точности классификации меньше заданного порогового значения, обучения коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, в соответствии с обновленным набором обучающих выборок до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения; определения максимальной степени точности классификации среди степеней точности классификации, соответствующих каждой из итераций; и определения обновленной модели распознавания конфиденциальной фотографии, соответствующей максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии, можно повысить степень точности классификации модели распознавания конфиденциальной фотографии, и, таким образом, модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

На фиг. 5 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления. Как показано на фиг. 5, кроме этапов, описанных на фиг. 3, размер фотографий, введенный в модель распознавания конфиденциальной фотографии, можно определить в качестве заданного размера для того, чтобы ускорить скорость обработки модели распознавания конфиденциальной фотографии для введенных фотографий. Соответственно, перед этапом 105, способ может дополнительно включать в себя следующие этапы.

На этапе 112 первый класс обучающих фотографий и второй класс обучающих фотографий нормализуются по заданному размеру для получения фотографий заданного размера, соответствующие первому классу обучающих фотографий и второму классу обучающих фотографий, соответственно

В примерной реализации сервер при необходимости может определить, например, заданный размер. Например, заданный размер может представлять собой 224 пикселя на 224 пикселя.

Следует отметить, что перед этапом 107, соответственно, размеры первого класса контрольных фотографий и второго класса контрольных фотографий можно аналогичным образом обработать согласно вышеописанному способу.

Далее этап 105 может включать в себя этап 1051: ввод фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

Соответственно, перед этапом 102 способ может дополнительно включать в себя: на этапе 113 фотография, подлежащая обработке, нормализуется по заданному размеру для того, чтобы иметь фотографию заданного размера, соответствующую фотографии, подлежащей обработке.

Соответственно, этап 102 может включать в себя этап 1021: выполнения распознавания фотографии заданного размера путем применения модели распознавания конфиденциальной фотографии для того, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией.

Варианты осуществления изобретения позволяют обеспечить следующие положительные эффекты. При использовании этапов нормализации фотографии, подлежащей обработке, по заданному размеру для получения фотографии заданного размера, соответствующей фотографии, подлежащей обработке, применения модели распознавания конфиденциальной фотографии для выполнения распознавания фотографии заданного размера для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом, и, таким образом, одновременно экономится время и труд. Более того, скорость распознавания модели распознавания конфиденциальной фотографии для фотографии, подлежащей обработке, можно повысить с помощью операции нормализации для фотографии, подлежащей обработке. Кроме того, при использовании этапов соответствующей нормализации первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для получения фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, и ввода фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы можно было обучить коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии, можно повысить скорость обработки исходной модели распознавания конфиденциальной фотографии для введенных обучающих фотографий, и, таким образом, можно повысить скорость обучения исходной модели распознавания конфиденциальной фотографии.

На фиг. 6 показана блок-схема последовательности операций, иллюстрирующая способ распознавания конфиденциальной фотографии согласно другому примерному варианту осуществления. Как показано на фиг. 6, кроме этапов, описанных в примерном варианте осуществления, показанном на фиг. 5, перед этапом 112 способ может дополнительно включать в себя следующие этапы.

На этапе 114 запрашиваются приватные области первого класса обучающих фотографий в наборе обучающих выборок.

На этапе 115, в соответствии с приватными областями, обрезается первый класс обучающих фотографий для получения изображения приватных областей, соответствующих первому классу обучающих фотографий.

Соответственно, этап 112 может включать в себя этап 1121: нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, по заданному размеру для получения фотографий заданного размера, соответствующих изображениям приватных областей и второму классу обучающих фотографий, соответственно.

Следует отметить, что перед этапом 107, соответственно, размеры первого класса контрольных фотографий и второго класса контрольных фотографий можно аналогичным образом обрезать согласно вышеописанному способу.

Далее способ может дополнительно включать в себя: перед этапом 113 получение области цвета кожи на фотографии, подлежащей обработке на этапе 116.

В примерной реализации процесс получения области цвета кожи на фотографии, подлежащей обработке, может включать в себя: выполнение распознавания фотографии, подлежащей обработке, путем применения модели цвета кожи для того, чтобы принять решение относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; определение, в случае фотографии, подлежащей обработке и содержащей область цвета кожи, содержит ли фотография, подлежащая обработке, присоединяемые области цвета кожи, на основании положений областей цвета кожи; и выполнение обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке для получения области цвета кожи в случае, когда фотография, подлежащая обработке, содержит присоединяемые области цвета кожи, для получения области цвета кожи фотографии, подлежащей обработке.

Из-за всех видов факторов, оказывающих влияние, таких как кровь человека и т.п., отношение канала R к каналу G для кожи человека обычно больше, чем заданное отношение. Соответственно, в примерной реализации область, в которой отношение канала R к каналу G больше, чем заданное отношение, можно определить в качестве области цвета кожи на фотографии, подлежащей обработке. Более конкретно, модель цвета кожи может представлять собой модель, которая обеспечивает распознавание области цвета кожи, такую как гауссова модель цвета лица и т.д. Данный вариант осуществления не будет ограничиваться этим аспектом, и сервер может выбрать при необходимости любую соответствующую модель цвета кожи распознавания области цвета кожи.

В другой примерной реализации присоединяемая область цвета кожи относится к области цвета кожи, состоящей из пикселей, имеющих смежные положения и одинаковое значение (область, пятно) на фотографии. Содержит ли фотография, подлежащая обработке, какую-либо присоединяемую область цвета кожи, можно определить с помощью положений областей цвета кожи и пиксельного анализа каждого пикселя в областях цвета кожи. Алгоритмы для анализа связности областей могут представлять собой, например, двухпроходный метод или метод "налива зерна".

В данном варианте осуществления процесс связности может относиться к: соединению присоединяемых областей цвета кожи с другими областями на фотографии, которые размещаются между присоединяемыми областями цвета кожи для того, чтобы иметь присоединенную область цвета кожи.

В данном варианте осуществления при использовании этапов применения модели цвета кожи для выполнения распознавание фотографии, подлежащей обработке, чтобы принять решение относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; выполнения обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке, и извлечения присоединенной области цвета кожи фотографии, подлежащей обработке, для того, чтобы получить изображение области цвета кожи, соответствующей фотографии, подлежащей обработке; выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией; и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно уменьшить количество изображений областей цвета кожи, которые необходимо идентифицировать, и, таким образом, можно повысить эффективность конфиденциального распознавания фотографии.

На этапе 117 извлекается область цвета кожи, которая содержится на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке.

Соответственно, этап 113 может включать в себя этап 1131: нормализации изображения области цвета кожи, по заданному размеру для того, чтобы иметь фотографию заданного размера, соответствующую изображению области цвета кожи.

В приведенных выше вариантах осуществления при использовании этапов получения области цвета кожи на фотографии, подлежащей обработке, извлечения области цвета кожи, которая содержится на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, другие области за исключением области цвета кожи оказывают меньшее влияние на распознавание фотографии, подлежащей обработке. Соответственно, можно повысить эффективность конфиденциального распознавания фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии. Более того, путем обрезки первого класса обучающих фотографий в соответствии с приватными областями для того, чтобы иметь изображения приватных областей, соответствующих первому классу обучающих фотографий, нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий, и затем ввода нормализованных изображений в исходную модель распознавания конфиденциальной фотографии, и обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, можно избежать помех по отношению к исходной модели распознавания конфиденциальной фотографии, которые вызваны другими областями за исключением приватных областей в первом классе обучающих фотографий. Соответственно, можно повысить скорость обучения модели распознавания конфиденциальной фотографии, и, таким образом, можно повысить эффективность обучения модели распознавания конфиденциальной фотографии.

Следующие варианты осуществления представляют собой устройства, которые можно использовать для выполнения способов, раскрытых в приведенных выше вариантах осуществления раскрытия. Способы, приведенные выше, могут относиться к любым нераскрытым деталям устройств последующих вариантов осуществления.

На фиг. 7 показана блок-схема, иллюстрирующая устройство распознавания конфиденциальной фотографии согласно примерному варианту осуществления. Приведенные выше способы можно выполнить с помощью этого устройства посредством программного обеспечения, аппаратных средств или их комбинации. Это устройство может включать в себя: первый модуль 71 получения, выполненный с возможностью получения библиотеки фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке; первый модуль 72 распознавания, выполненный с возможностью выполнения распознавания фотографии, подлежащей обработке путем применения модели распознавания конфиденциальной фотографии для того, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией; и модуль 73 хранения, выполненный с возможностью хранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией.

В данном примерном варианте осуществления сверточная нейронная сеть используется для создания модели распознавания конфиденциальной фотографии. Сверточная нейронная сеть, в качестве одной из разнообразных многочисленных искусственных нейронных сетей, стала особенно актуальной в области анализа голоса и распознавания изображения. Совместно используемые весовые коэффициенты в структуре сверточной нейронной сети делают ее более вероятной в качестве биологической нейронной сети, уменьшают сложность модели сети и имеют уменьшенное число весовых коэффициентов. Это преимущество будет наиболее заметным в случае, когда входные данные сети представляет собой многомерное изображение. Выбирая изображение в качестве непосредственно входных данных сети, можно избежать сложных процессов извлечения признаков и восстановления данных, как это имеет место в традиционных алгоритмах распознавания.

На фиг. 2 показана структура сети сверточной нейронной сети. Сверточная нейронная сеть является многослойной нейронной сетью, в которой каждый слой состоит из многочисленных двухмерных плоскостей, и каждая плоскость состоит из многочисленных независимых нейронов. В примерной реализации предполагается, что сверточная нейронная сеть, основанная на модели распознавания конфиденциальной фотографии, может иметь N-слойную структуру, в которой весовые коэффициенты соединений между узлами скрытых слоев в каждых двух соседних слоях определяются с помощью набора обучающих выборок. Для простоты иллюстрации весовые коэффициенты соединений между узлами скрытых слоев называются в настоящем раскрытии "коэффициентами признаков". То есть модель распознавания конфиденциальной фотографии имеет коэффициенты признаков N слоев.

В данном варианте осуществления путем применения модели распознавания конфиденциальной фотографии для выполнения распознавания фотографии, подлежащей обработке, чтобы определить, является ли фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом. В результате, одновременно экономится время и труд; можно повысить эффективность конфиденциального распознавания фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии.

Кроме того, как показано на фиг. 8, устройство может дополнительно включать в себя: второй модуль 74 получения, выполненный с возможностью получения набора обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; и модуль 75 ввода, выполненный с возможностью ввода первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

В примерной реализации первый класс обучающих фотографий и второй класс обучающих фотографий могут быть собраны сервером. С целью обеспечения определенных эффектов обучения, одновременно число первого класса обучающих фотографий и число второго класса обучающих фотографий в наборе обучающих выборок могут быть больше первого заданного числа. Например, число первого класса обучающих фотографий может быть больше или равно 200000, и число второго класса обучающих фотографий может быть больше или равно 300000.

В возможной реализации сервер может в произвольном порядке вводить каждую обучающую фотографию в исходную модель распознавания конфиденциальной фотографии и сравнивать результат классификации атрибутов, выведенный с помощью исходной модели распознавания конфиденциальной фотографии, с атрибутом введенной обучающей фотографии для того, чтобы определить, требуется ли регулировать какой-либо коэффициент признака между узлами скрытых слоев в каждом скрытом слое текущей исходной модели распознавания конфиденциальной фотографии. Однако этот вид способа обучения может иметь следующую проблему: сразу после прямой регулировки коэффициентов признака между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии согласно бывшей обучающей фотографии, можно отрегулировать обратно пропорционально коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии согласно последующей обучающей фотографии. Следовательно, коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии можно часто и периодически регулировать.

С учетом этого в альтернативном варианте осуществления сервер может вводить пакет обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в правильной последовательности и затем определять, требуется ли для дальнейшей настройки какой-либо коэффициент признака между узлами скрытых слоев в каждом скрытом слое текущей исходной модели распознавания конфиденциальной фотографии на основании результатов классификации атрибутов этого пакета обучающих фотографий, выведенных с помощью исходной модели распознавания конфиденциальной фотографии. После этого следующий пакет обучающих фотографий будет вводиться в правильной последовательности в исходную модель распознавания конфиденциальной фотографии.

В этом примерном варианте осуществления при использовании этапов получения набора обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; и ввод первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии, при этом модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

Кроме того, как показано на фиг. 9, устройство может дополнительно включать в себя: третий модуль 76 получения, выполненный с возможностью получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; второй модуль 77 распознавания, выполненный с возможностью выполнения распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, путем применения модели распознавания конфиденциальной фотографии для получения результатов классификации, соответствующих каждой из контрольных фотографий; и первый модуль 78 определения, выполненный с возможностью определения степени точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий.

Устройство может также включать в себя модуль 79 выполнения итераций, выполненный с возможностью периодического выполнения следующих операций в случае, когда степень точности классификации меньше заданного порогового значения до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения: обновление набора обучающих выборок; обучение коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, в соответствии с обновленным набором обучающих выборок, для получения обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации; и выполнение тестирования степени точности классификации для обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации, на основании обновленного набора контрольных выборок для того, чтобы определить соответствующую степень точности классификации.

Более того, устройство, показанное на фиг. 9, может также включать в себя: второй модуль 80 определения, выполненный с возможностью определения максимальной степени точности классификации среди степеней точности классификации, соответствующих каждой из итераций; и третий модуль 81 определения, выполненный с возможностью определения обновленной модели распознавания конфиденциальной фотографии, соответствующей максимальной степени точности классификации в качестве целевой модели распознавания конфиденциальной фотографии.

В примерной реализации для того, чтобы улучшить эффекты тестирования, число контрольных фотографий первого класса и число контрольных фотографий второго класса, которые содержатся в наборе контрольных выборок, могут быть больше второго заданного числа. Например, число контрольных фотографий первого класса может быть больше или равно 20000, и число контрольных фотографий второго класса может быть больше или равно 30000.

В настоящем примерном варианте осуществления при использовании этапов получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, которые включают в себя приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, которые не включают в себя приватные части; выполнения распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок, соответственно, путем применения модели распознавания конфиденциальной фотографии для того, чтобы получить степень точности классификации модели распознавания конфиденциальной фотографии; в случае, когда степень точности классификации меньше заданного порогового значения, обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации в соответствии с обновленным набором обучающих выборок до тех пор, пока не будет достигнуто максимальное число итераций, или степень точности классификации не станет больше заданного порогового значения; определения максимальной степени точности классификации среди степеней точности классификации, соответствующих каждой из итераций; и определения обновленной модели распознавания конфиденциальной фотографии, соответствующей максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии, можно повысить степень точности классификации модели распознавания конфиденциальной фотографии, и, таким образом, модель распознавания конфиденциальной фотографии может иметь лучшую возможность корректной идентификации фотографии, подлежащей обработке.

Кроме того, как показано на фиг. 10, кроме модулей, описанных в примерном варианте осуществления, показанном на фиг. 8, устройство может дополнительно включать в себя первый модуль 82 обработки, который выполнен с возможностью нормализации фотографии, подлежащей обработке, по заданному размеру для того, чтобы иметь фотографию заданного размера, соответствующую фотографии, подлежащей обработке.

Соответственно, первый модуль 72 распознавания может включать в себя первый блок 721 распознавания, который выполнен с возможностью распознавания фотографии заданного размера путем применения модели распознавания конфиденциальной фотографии для того, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией.

Соответственно, устройство может также включать в себя второй модуль 83 обработки, который выполнен с возможностью нормализации первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для того, чтобы иметь фотографии заданного размера, соответствующие первому классу обучающих фотографий и второму классу обучающих фотографий, соответственно.

Соответственно, модуль 75 ввода может включать в себя блок 751 ввода, который выполнен с возможностью ввода фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

Согласно настоящему примерному варианту осуществления при использовании этапов нормализации фотографии, подлежащей обработке, по заданному размеру для того, чтобы иметь фотографию заданного размера, соответствующую фотографии, подлежащей обработке, применения модели распознавания конфиденциальной фотографии для выполнения распознавания фотографии заданного размера для того, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно автоматически распознать и обработать фотографию, подлежащую обработке, в библиотеке фотографий. Соответственно, пользователю нет необходимости вручную выбирать конфиденциальную фотографию и перемещать конфиденциальную фотографию в приватный фотоальбом, и, таким образом, одновременно экономится время и труд. Более того, скорость распознавания модели распознавания конфиденциальной фотографии для фотографии, подлежащей обработке, можно повысить с помощью операции нормализации для фотографии, подлежащей обработке. Кроме того, при использовании этапов соответствующей нормализации первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для того, чтобы иметь фотографии заданного размера, соответствующие первому классу обучающих фотографий и второму классу обучающих фотографий, и ввода фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке таким образом, чтобы можно было обучить коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии, можно повысить скорость обработки исходной модели распознавания конфиденциальной фотографии для введенных обучающих фотографий, и, таким образом, можно повысить скорость обучения исходной модели распознавания конфиденциальной фотографии.

Кроме того, как показано на фиг. 11, кроме модулей, описанных в примерном варианте осуществления (фиг. 10), устройство может дополнительно включать в себя: четвертый модуль 84 получения, выполненный с возможностью получения области цвета кожи на фотографии, подлежащей обработке; и модуль извлечения 85, выполненный с возможностью извлечения области цвета кожи, которая содержится на фотографии, подлежащей обработке, чтобы получить изображение области цвета кожи, соответствующей фотографии, подлежащей обработке.

Соответственно, первый модуль 82 обработки может включать в себя первый блок 821 обработки, который выполнен с возможностью нормализации изображения области цвета кожи по заданному размеру для того, чтобы иметь фотографию заданного размера, соответствующую изображению области цвета кожи.

Соответственно, устройство может также включать в себя: пятый модуль 86 получения, выполненный с возможностью получения приватных областей первого класса обучающих фотографий в наборе обучающих выборок; и модуль 87 обрезки, выполненный с возможностью обрезки первого класса обучающих фотографий в соответствии с приватными областями для того, чтобы иметь изображения приватных областей, соответствующих первому классу обучающих фотографий.

Соответственно, второй модуль 83 обработки может включать в себя второй блок 831 обработки, который выполнен с возможностью нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий по заданному размеру для того, чтобы иметь фотографии заданного размера, соответствующие изображениям приватных областей и второму классу обучающих фотографий, соответственно.

В приведенных выше вариантах осуществления при использовании этапов получения области цвета кожи на фотографии, подлежащей обработке, извлечения области цвета кожи, которая содержится на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией, и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, другие области за исключением области цвета кожи оказывают меньшее влияние на распознавание фотографии, подлежащей обработке. Соответственно, можно повысить эффективность распознавания конфиденциальности фотографии; можно повысить защиту конфиденциальности; и можно избежать утечки конфиденциальной фотографии. Более того, путем обрезки первого класса обучающих фотографий в соответствии с приватными областями для того, чтобы иметь изображения приватных областей, соответствующих первому классу обучающих фотографий, нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий, и затем ввода нормализованных изображений в исходную модель распознавания конфиденциальной фотографии, и обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, можно избежать помех по отношению к исходной модели распознавания конфиденциальной фотографии, которые вызваны другими областями, за исключением приватных областей в первом классе обучающих фотографий. Соответственно, можно повысить скорость обучения модели распознавания конфиденциальной фотографии, и, таким образом, можно повысить эффективность обучения модели распознавания конфиденциальной фотографии.

Как показано на фиг. 12, кроме модулей, описанных в примерном варианте осуществления, показанном на фиг. 11, четвертый модуль 84 получения может включать в себя: второй блок 841 распознавания, который выполнен с возможностью распознавания фотографии, подлежащей обработке, путем применения модели цвета кожи для того, чтобы принять решение относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; блок 842 определения, который выполнен с возможностью определения в случае, когда фотография, подлежащая обработке, содержит область цвета кожи, относительно того, содержит ли фотография, подлежащая обработке, присоединяемые области цвета кожи, на основании положений областей цвета кожи; и блок 843 соединения, который выполнен с возможностью обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке, для получения области цвета кожи в случае, когда фотография, подлежащая обработке, содержит присоединяемые области цвета кожи.

Из-за всех видов факторов, оказывающих влияние, таких как кровь человека и т.п., отношение канала R к каналу G для кожи человека обычно больше, чем заданное отношение. Соответственно, в примерной реализации область, в которой отношение канала R к каналу G больше, чем заданное отношение, можно определить в качестве области цвета кожи на фотографии, подлежащей обработке.

Более конкретно, модель цвета кожи может представлять собой модель, которая обеспечивает распознавание области цвета кожи, такую как гауссова модель цвета лица и т.д. Данный вариант осуществления не будет ограничиваться этим аспектом, и сервер может выбрать при необходимости любую соответствующую модель цвета кожи распознавания области цвета кожи.

В данном варианте осуществления при использовании этапов применения модели цвета кожи для выполнения распознавание фотографии, подлежащей обработке, чтобы принять решение относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение; выполнения обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке, и извлечение присоединенной области цвета кожи фотографии, подлежащей обработке, для того, чтобы получить изображение области цвета кожи, соответствующей фотографии, подлежащей обработке; выполнения нормализации и распознавания изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией; и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией, можно уменьшить количество изображений областей цвета кожи, которые необходимо идентифицировать, и, таким образом, можно повысить эффективность конфиденциального распознавания фотографии.

По отношению к устройствам в приведенных выше вариантах осуществления специфические способы выполнения операций для отдельных модулей, задействованных в них, были описаны подробно в вариантах осуществления, касающихся способов распознавания конфиденциальной фотографии, которые не будут описываться в данном документе.

На фиг. 13 показана блок-схема, иллюстрирующая сервер согласно примерному варианту осуществления. Как показано на фиг. 13, сервер 130 может включать в себя один или несколько из следующих компонентов: компонент 132 обработки, память 134, компонент 136 электропитания, интерфейс 138 ввода/вывода (I/O) и компонент 1310 связи.

Компонент 132 обработки обычно управляет всей работой сервера 130. В частности, компонент 132 обработки можно выполнить с возможностью: получения библиотеки фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке; выполнения распознавания фотографии, подлежащей обработке, путем применения модели распознавания конфиденциальной фотографии для того, чтобы определить, является или нет фотография, подлежащая обработке, конфиденциальной фотографией; и сохранения фотографии, подлежащей обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией.

Компонент 132 обработки может включать в себя один или более процессоров 1320, которые исполняют инструкций для выполнения всех или части этапов в вышеописанных способах. Более того, компонент 132 обработки может включать в себя один или более модулей, которые обеспечивают взаимодействие между компонентом 132 обработки и другими компонентами. Например, компонент 132 обработки может включать в себя модуль связи, который обеспечивает взаимодействие между компонентом 1310 связи и компонентом 132 обработки.

Память 134 выполнена с возможностью хранения различных типов данных и исполняемых инструкций компонента 132 обработки для поддержания работы сервера 130. Примеры таких данных включают в себя инструкции любых прикладных программ или способов, выполняемых на сервере 130, контактную информацию, данные телефонного справочника, сообщения, фотографии, видео и т.д. Память 134 можно реализовать с использованием любого типа энергозависимых или энергонезависимых устройств памяти или их комбинаций, таких как статическое оперативное запоминающее устройство (SRAM), электрически-стираемое программируемое постоянное запоминающее устройство (EEPROM), стираемое программируемое постоянное запоминающее устройство (EPROM), программируемое постоянное запоминающее устройство (PROM), постоянное запоминающее устройство (ROM), магнитная память, флэш-память, магнитный или оптический диск.

Компонент 136 электропитания обеспечивает подачу питания на различные компоненты сервера 130. Компонент 136 электропитания может включать в себя систему управления электропитанием, один или более источников электропитания и другие компоненты, связанные с выработкой, управлением и распределением электропитания для сервера 130.

Интерфейс 138 I/O обеспечивает сопряжение между компонентом 132 обработки и модулями периферийного интерфейса, такими как клавиатура, колесо управления, кнопки и т.п. Компонент 1310 связи выполнен с возможностью обеспечения проводной или беспроводной связи между сервером 130 и другими устройствами. Сервер 130 может иметь доступ к беспроводной сети на основании стандарта связи, такого как WiFi, 2G или 3G или их комбинации. В одном примерном варианте осуществления компонент 1310 связи принимает широковещательный сигнал или информацию, связанную с широковещательным сигналом, из внешней широковещательной системы управления через широковещательный канал. В одном примерном варианте осуществления компонент 1310 связи дополнительно включает в себя модуль связи малого радиуса действия (NFC) для обеспечения ближней связи. Например, модуль NFC можно реализовать на основании технологии радиочастотной идентификации (RFID), технологии Ассоциации по средствам передачи данных в инфракрасном диапазоне (IrDA), технологии беспроводной связи сверхширокого диапазона (UWB), технологии Bluetooth (ВТ) и других технологий.

В примерных вариантах осуществления сервер 130 можно реализовать с помощью одной или более специализированных интегральных микросхем (ASIC), процессоров цифровых сигналов (DSP), устройств цифровой обработки сигналов (DSPD), программируемых логических устройств (PLD), вентильных матриц с эксплуатационным программированием (FPGA), контроллеров, микроконтроллеров, микропроцессоров или других электронных компонентов для выполнения вышеописанных способов распознавания конфиденциальной фотографии.

В примерных вариантах осуществления выполнен энергонезависимый машиночитаемый носитель информации, включающий в себя инструкции, такие как включенные в память 134, исполняемые модулем процессора 1320 в сервере 130, для выполнения вышеописанных способов. Например, энергонезависимый машиночитаемый носитель информации может представлять собой постоянное запоминающее устройство (ROM), оперативное запоминающее устройство (RAM), CD-ROM, магнитную ленту, гибкий диск, оптическое устройство для хранения данных и т.п.

Энергонезависимый машиночитаемый носитель информации, имеющий хранящиеся на нем инструкции, которые при их исполнении процессором сервера 130, предписывают серверу 130 выполнять вышеописанные способы распознавания конфиденциальной фотографии.

Для специалистов в данной области техники другие варианты осуществления раскрытия будут очевидны после рассмотрения описания и применения на практике раскрытия, раскрытого здесь. Данная заявка предназначена для охвата любых вариаций, применений или адаптаций раскрытия, следующих его общим принципам и включающих в себя такие отклонения от настоящего раскрытия, которые находятся в рамках известной или обычной технической практики. Описание и варианты осуществления следует рассматривать только как иллюстративные, и объем, касающийся основных принципов раскрытия, и сущность раскрытия ограничиваются только прилагаемой формулой изобретения.

Следует иметь в виду, что идея изобретения не ограничивается точной конструкцией, которая была описана выше и проиллюстрирована на сопроводительных чертежах, и различные модификации и изменения могут быть сделаны без отклонения от его объема. Предполагается, что объем раскрытия будет ограничен только прилагаемой формулой изобретения.

Claims

1. Способ распознавания конфиденциальной фотографии, содержащий этапы, на которых:

получают библиотеку фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке;

получают набор обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, содержащие приватные части, второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, не содержащие приватных частей;

вводят первый класс обучающих фотографий и второй класс обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии;

получают набор контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, содержащие приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, не содержащие приватные части;

выполняют распознавание первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок соответственно, посредством применения модели распознавания конфиденциальной фотографии, для получения результатов классификации, соответствующих каждой из контрольных фотографий; и

определяют степень точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий;

выполняют распознавание фотографии, подлежащей обработке, посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и

сохраняют фотографию, подлежащую обработке, в приватном фотоальбоме в случае, когда фотография, подлежащая обработке, является конфиденциальной фотографией.

2. Способ по п. 1, дополнительно содержащий этапы, на которых:

после этапа определения, когда степень точности классификации меньше заданного порогового значения, пока не достигнуто максимальное число итераций или степень точности классификации не больше заданного порогового значения, осуществляют периодическое выполнение операций:

обновления набора обучающих выборок;

обучения коэффициентов признаков между узлами скрытых слоев в каждом скрытом слое модели распознавания конфиденциальной фотографии, соответствующей последней итерации, в соответствии с обновленным набором обучающих выборок для получения обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации; и

выполнения тестирования степени точности классификации для обновленной модели распознавания конфиденциальной фотографии, соответствующей текущей итерации, на основании обновленного набора контрольных выборок для определения соответствующей степени точности классификации.

3. Способ по п. 2, дополнительно содержащий этапы, на которых:

определяют максимальную степень точности классификации из степеней точности классификации, соответствующих каждой из итераций; и

определяют обновленную модель распознавания конфиденциальной фотографии, соответствующую максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии.

4. Способ по п. 1, в котором перед этапом распознавания способ дополнительно содержит этапы, на которых:

нормализируют фотографию, подлежащую обработке, по заданному размеру для получения фотографии заданного размера, соответствующей фотографии, подлежащей обработке,

соответственно, этап распознавания содержит подэтап, на котором:

выполняют распознавание фотографии заданного размера посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией.

5. Способ по п. 4, в котором перед этапом нормализации способ дополнительно содержит этапы, на которых:

получают область цвета кожи на фотографии, подлежащей обработке; и

извлекают область цвета кожи, содержащуюся на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующей фотографии, подлежащей обработке,

соответственно, этап нормализации содержит подэтап, на котором:

осуществляют нормализацию изображения области цвета кожи, соответствующей фотографии, подлежащей обработке, по заданному размеру для получения фотографии заданного размера, соответствующей изображению области цвета кожи.

6. Способ по п. 5, в котором этап получения области цвета кожи на фотографии, подлежащей обработке, содержит подэтапы, на которых:

выполняют распознавание фотографии, подлежащей обработке, посредством применения модели цвета кожи для принятия решения относительно того, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение;

определяют, когда фотография, подлежащая обработке, содержит область цвета кожи, содержит ли фотография, подлежащая обработке, присоединяемые области цвета кожи, на основании положений областей цвета кожи; и

выполняют обработку связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке, когда фотография, подлежащая обработке, содержит присоединяемые области цвета кожи, для получения области цвета кожи фотографии, подлежащей обработке.

7. Способ по п. 1, в котором перед этапом ввода способ дополнительно содержит этапы, на которых:

осуществляют нормализацию первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для получения фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий соответственно,

соответственно, этап ввода содержит подэтап, на котором:

вводят фотографии заданного размера, соответствующие первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

8. Способ по п. 7, в котором перед этапом нормализации способ дополнительно содержит этапы, на которых:

получают приватные области первого класса обучающих фотографий из набора обучающих выборок; и

обрезают обучающие фотографии первого класса в соответствии с приватными областями, для получения изображений приватных областей, соответствующих первому классу обучающих фотографий,

осуществляют нормализацию изображений приватных областей, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, по заданному размеру для получения фотографий заданного размера, соответствующих изображениям приватных областей и второму классу обучающих фотографий соответственно.

9. Устройство распознавания конфиденциальной фотографии, содержащее:

первый модуль получения, выполненный с возможностью получения библиотеки фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке;

первый модуль распознавания, выполненный с возможностью распознавания фотографии, подлежащей обработке, посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и

модуль хранения, выполненный с возможностью сохранения фотографии, подлежащей обработке, в приватном фотоальбоме, когда фотография, подлежащая обработке, является конфиденциальной фотографией; при этом указанное устройство дополнительно содержит:

второй модуль получения, выполненный с возможностью получения набора обучающих выборок, причем набор обучающих выборок содержит первый класс обучающих фотографий и второй класс обучающих фотографий, при этом первый класс обучающих фотографий представляет собой конфиденциальные фотографии, содержащие приватные части, а второй класс обучающих фотографий представляет собой не конфиденциальные фотографии, не содержащие приватных частей; и

модуль ввода, выполненный с возможностью ввода первого класса обучающих фотографий и второго класса обучающих фотографий в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии;

третий модуль получения, выполненный с возможностью получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, содержащие приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, не содержащие приватные части;

второй модуль распознавания, выполненный с возможностью, распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок соответственно, посредством применения модели распознавания конфиденциальной фотографии для получения результатов классификации, соответствующих каждой из контрольных фотографий; и

первый модуль определения, выполненный с возможностью определения степени точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий.

10. Устройство по п. 9, дополнительно содержащее:

модуль выполнения итераций, выполненный с возможностью итерационного выполнения, когда степень точности классификации меньше заданного порогового значения, пока не достигнуто максимальное число итераций, или степень точности классификации не больше заданного порогового значения, следующих операций:

обновления набора обучающих выборок;

11. Устройство по п. 10, дополнительно содержащее:

второй модуль определения, выполненный с возможностью определения максимальной степени точности классификации из степеней точности классификации, соответствующих каждой из итераций; и

третий модуль определения, выполненный с возможностью определения обновленной модели распознавания конфиденциальной фотографии, соответствующей максимальной степени точности классификации, в качестве целевой модели распознавания конфиденциальной фотографии.

12. Устройство по п. 9, дополнительно содержащее:

первый модуль обработки, выполненный с возможностью нормализации фотографии, подлежащей обработке, по заданному размеру для получения фотографии заданного размера, соответствующей фотографии, подлежащей обработке,

соответственно, первый модуль распознавания содержит:

первый блок распознавания, выполненный с возможностью распознавания фотографии заданного размера посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией.

13. Устройство по п. 12, дополнительно содержащее:

четвертый модуль получения, выполненный с возможностью получения области цвета кожи на фотографии, подлежащей обработке; и

модуль извлечения, выполненный с возможностью извлечения области цвета кожи, содержащейся на фотографии, подлежащей обработке, для получения изображения области цвета кожи, соответствующего фотографии, подлежащей обработке,

соответственно, первый модуль обработки содержит:

первый блок обработки, выполненный с возможностью нормализации изображения области цвета кожи, соответствующей фотографии, подлежащей обработке по заданному размеру, получения фотографии заданного размера, соответствующей изображению области цвета кожи.

14. Устройство по п. 13, в котором четвертый модуль получения содержит:

второй блок распознавания, выполненный с возможностью распознавания фотографии, подлежащей обработке, посредством применения модели цвета кожи, для принятия решения, содержит ли фотография, подлежащая обработке, область цвета кожи, причем отношение канала R к каналу G для области цвета кожи больше, чем заданное отношение;

блок определения, выполненный с возможностью определения, когда фотография, подлежащая обработке, содержит область цвета кожи, содержит ли фотография, подлежащая обработке, присоединяемые области цвета кожи, на основании положений областей цвета кожи; и

блок соединения, выполненный с возможностью выполнения обработки связности для присоединяемых областей цвета кожи на фотографии, подлежащей обработке, когда фотография, подлежащая обработке, содержит присоединяемые области цвета кожи, для получения области цвета кожи фотографии, подлежащей обработке.

15. Устройство по п. 9, дополнительно содержащее:

второй модуль обработки, выполненный с возможностью нормализации первого класса обучающих фотографий и второго класса обучающих фотографий по заданному размеру для получения фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий соответственно,

соответственно, модуль ввода содержит:

блок ввода, выполненный с возможностью ввода фотографий заданного размера, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий, в исходную модель распознавания конфиденциальной фотографии в произвольном порядке так, чтобы коэффициенты признаков между узлами скрытых слоев в каждом скрытом слое исходной модели распознавания конфиденциальной фотографии обучались для получения модели распознавания конфиденциальной фотографии.

16. Устройство по п. 15, дополнительно содержащее:

пятый модуль получения, выполненный с возможностью получения приватных областей первого класса обучающих фотографий в наборе обучающих выборок; и

модуль обрезки, выполненный с возможностью обрезки обучающих фотографий первого класса в соответствии с приватными областями, для получения изображений приватных областей, соответствующих первому классу обучающих фотографий,

соответственно, второй модуль обработки содержит:

второй блок обработки, выполненный с возможностью нормализации изображений приватных областей, соответствующих первому классу обучающих фотографий и второму классу обучающих фотографий по заданному размеру для получения фотографий заданного размера, соответствующих изображениям приватных областей и второму классу обучающих фотографий соответственно.

17. Сервер, содержащий:

компонент обработки; и

память для хранения исполняемых инструкций компонента обработки, при этом

компонент обработки выполнен с возможностью:

получения библиотеки фотографий пользовательского терминала, причем библиотека фотографий содержит по меньшей мере одну фотографию, подлежащую обработке;

получения набора контрольных выборок, причем набор контрольных выборок содержит первый класс контрольных фотографий и второй класс контрольных фотографий, при этом первый класс контрольных фотографий представляет собой конфиденциальные фотографии, содержащие приватные части, а второй класс контрольных фотографий представляет собой не конфиденциальные фотографии, не содержащие приватные части;

выполнения распознавания первого класса контрольных фотографий и второго класса контрольных фотографий в наборе контрольных выборок соответственно, посредством применения модели распознавания конфиденциальной фотографии, для получения результатов классификации, соответствующих каждой из контрольных фотографий; и

определения степени точности классификации модели распознавания конфиденциальной фотографии на основании результатов классификации, соответствующих каждой из контрольных фотографий;

выполнения распознавания фотографии, подлежащей обработке, посредством применения модели распознавания конфиденциальной фотографии для определения, является ли фотография, подлежащая обработке, конфиденциальной фотографией; и

сохранения фотографии, подлежащей обработке, в приватном фотоальбоме, когда фотография, подлежащая обработке, является конфиденциальной фотографией.