(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210988473.1 (22)申请日 2022.08.17 (71)申请人 腾讯音乐娱乐科技 （深圳） 有限公司 地址 518052 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 葛霖　 (74)专利代理 机构 深圳市深佳知识产权代理事 务所(普通 合伙) 44285 专利代理师 孙超 (51)Int.Cl. G06V 10/80(2022.01) G06V 40/10(2022.01) G06V 10/774(2022.01) (54)发明名称 一种低俗图片识别方法、 系统、 存储介质和 终端 (57)摘要 本申请提供一种低俗图片识别方法， 包括： 获取待识别图片； 在半监督检测模型中， 提取待 识别图片不同层次的图片特征； 对不同层次的 图 片特征进行特征融合， 得到融合特征； 确定融合 特征对应的头部特征； 根据像素特征确定包含低 俗部位和对应的属性信息的检测结果； 根据检测 结果匹配低俗图片分级策略， 确定待识别图片的 低俗识别结果。 本申请能够有效识别低俗图片， 确定其中存在的低俗性感元素、 低俗属性等信 息， 以便进行自动处置或者交由人工审核处置， 提高了低俗图片的检测精度， 避免高敏感的明显 低俗性感内容传播， 从而保障了网络内容生态健 康。 本申请还提供一种低俗图片的检测系统、 计 算机可读存 储介质和终端， 具有上述有益效果。 权利要求书2页 说明书9页 附图2页 CN 115359327 A 2022.11.18 CN 115359327 A 1.一种低俗图片识别方法， 其特 征在于， 包括： 获取待识别图片； 在半监督检测模型中， 提取 所述待识别图片不同层次的图片特 征； 对不同层次的图片特 征进行特征融合， 得到融合特 征； 确定所述融合特征对应的头部特征； 所述头部特征包含所述融合特征在不同维度 下的 像素特征； 根据所述像素 特征确定包 含低俗部位和对应的属性信息的检测结果； 根据所述检测结果匹配低俗图片分级策略， 确定所述待识别图片的低俗识别结果。 2.根据权利要求1所述的低俗图片识别方法， 其特征在于， 提取所述待识别图片不同层 次的图片特 征包括： 从浅层特征到深层特征一次提取所述待识别图片的图片特征； 所述特征包含颜色特 征、 纹理特征和轮廓特 征中的至少一种或者任意几种的组合。 3.根据权利要求1所述的低俗图片识别方法， 其特征在于， 根据 所述检测结果匹配低俗 图片分级策略， 确定所述待识别图片的低俗识别结果之前， 还 包括： 根据所述检测结果中低俗部位、 低俗部位面积和对应的属性信 息确定对应的低俗属性 分； 相应的， 根据所述检测结果匹配低俗图片分级策略， 确定所述待识别图片的低俗识别 结果包括： 根据所述低俗图片分级策略确定所述低俗属性分所属的低俗等级。 4.根据权利要求3所述的低俗图片识别方法， 其特征在于， 根据 所述检测结果匹配低俗 图片分级策略， 确定所述待识别图片的低俗识别结果之后， 还 包括： 若所述低俗属性分对应的低俗等级满足召回条件， 召回所述待识别图片。 5.一种用于低俗图片识别的半监 督模型的生成方法， 其特 征在于， 包括： 获取有标签数据和无标签数据； 所述有标签数据为包含已标注的低俗部位及对应属性 的图片数据； 利用所述有标签数据执 行全监督训练， 得到全监 督模型； 基于所述无 标签数据和所述全监 督模型进行半监 督训练， 得到所述半监 督检测模型。 6.根据权利要求5所述的低俗图片识别方法， 其特征在于， 所述利用有标签数据 执行全 监督训练， 得到全监 督模型包括： 利用骨架层提取所述有标签数据中的图像特征， 得到包含浅层特征和深层特征的特征 金字塔； 融合所述浅层特 征和所述深层特 征， 得到融合后特 征； 对所述融合后特征进行特征映射计算， 确定任务分支和对应的分支损 失， 得到全监督 模型； 其中， 所述任务分支包 含目标存在分支、 区域回归分支、 目标类型分支和 属性分支。 7.根据权利要求6所述的低俗图片识别方法， 其特征在于， 融合所述浅层特征和所述深 层特征之前， 还 包括： 移除所述特 征金字塔中的预设层数的浅层特 征。 8.根据权利要求6所述的低俗图片识别方法， 其特征在于， 融合所述浅层特征和所述深 层特征， 得到头部信息包括：权　利　要　求　书 1/2 页 2 CN 115359327 A 2按照从所述浅层特 征至所述深层特 征的融合 顺序进行 上采样融合， 得到 头部信息； 或， 按照从所述深层特 征至所述浅层特 征的融合 顺序进行 下采样融合， 得到 头部信息。 9.根据权利要求5所述的低俗图片识别方法， 其特征在于， 所述基于所述无标签数据和 所述全监 督模型进行半监 督训练， 得到所述半监 督检测模型包括： 获取所述无标签数据； 对所述无 标签数据中预设比例的数据进行 标注， 得到有标签数据； 第一轮训练中， 利用所述全监 督模型对所述有标签数据训练得到第一模型； 第二轮训练中， 将所述第 一模型对第 一比例的无标签数据 预测得到的第 一伪标签数据 和所述有标签数据作为训练数据， 得到第二模型； 在第N轮训练中， 将包含所述第 一模型和所述第 二模型在内的前N个模型集成预测所有 所述无标签数据得到的第N伪标签数据作为训练数据， 得到所述半监 督检测模型。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求1 ‑4任一项所述的低俗图片识别方法， 或5 ‑9任一项所述的 用于低俗图片识别的半监 督模型的生成方法的步骤。 11.一种终端， 其特征在于， 包括存储器和处理器， 所述存储器中存有计算机程序， 所述 处理器调用所述存储器中的计算机程序时实现1 ‑4任一项所述的低俗图片识别方法， 或5 ‑9 任一项所述的用于低俗图片识别的半监 督模型的生成方法的步骤。权　利　要　求　书 2/2 页 3 CN 115359327 A 3