申请/专利权人：中国科学院沈阳计算技术研究所有限公司

申请日：2022-05-18

公开（公告）日：2024-06-14

公开（公告）号：CN114972856B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.09.16#实质审查的生效;2022.08.30#公开

摘要：本发明基于全要素的异常图片检测方法。尤其涉及在图片异常内容审核时，不仅考虑图片中是否存在异常目标，也考虑了他们之间的位置关系，提高了图片异常内容审核的准确性。首先，用深度卷积神经网络完成图片的目标检测和分类，监测出图片中的异常目标集合和图片异常分类集合，判断异常目标集合S中的每一个目标是否为孤立，若存在不孤立目标，则遍历异常目标集合中的所有目标，根据组合体规则重新组合新的目标，形成新的集合，直到新集合中所有的目标都为孤立，然后更新权重向量，最后计算图片异常的概率。

主权项：1.基于全要素的异常图片检测方法，其特征在于，包括以下步骤：对每幅图片进行目标检测和分类，检测出每幅图片中的异常目标集合Set＝{obj1,obj2,…,objN}和图片异常分类集合F，N表示图片中的目标数量；检测异常目标集合Set中的每一个目标objn是否为孤立；若存在目标不为孤立的，则遍历异常目标集合Set中的所有目标，根据组合体规则重新组合成新的目标，形成新的集合Set1，迭代直至集合Set1中的所有目标都为孤立；若所有目标都为孤立，则更新权重向量W；根据图片异常分类集合F和权重向量W获得图片异常的概率P；所述异常目标集合Set中的目标objn为cn,xln,yln,xrn,yrn,wn,其中cn是目标n的异常类别，xln,yln是目标n边界框左上角在图片中的坐标，xrn,yrn是目标n边界框右下角在图片中的坐标，wn是目标n的异常权重值，权重向量W＝w1,w2,…,wn；所述图片异常分类集合F为{f1,scoref1,f2,scoref2,…,fn,scorefn}，fn为图片可能的异常分类，scorefn是图片为fn异常分类的概率值，scorefn∈[1,0]；所述组合体规则如下：异常目标objA和异常目标objB的目标边界框分别为A和B，面积分别为SA和SB，AB＝A∩B，若SAB≥SAk且SC≥SBk，SAB表示目标边界框A和B交集的面积，SC表示目标边界框A和B并集的面积；则objA与objB组合成为一个新组合体AB，形成新目标objAB；以图片左下角为原点，xlAB＝minxlA,xrB，ylAB＝minylA,yrB，xrAB＝maxxlA,xrB，yrAB＝maxylA,yrB，cA,B＝cA∪cB更新为两个目标的类别，k为系数；其中，xlA、ylA表示目标A边界框左下角坐标，xrB、yrB表示目标B边界框右上角坐标，xlAB、ylAB，xrAB、yrAB分别表示新目标左下角和右上角的坐标；cA、cB、cA,B分别表示目标A、目标B和目标AB的异常类别。

全文数据：

权利要求：

百度查询： 中国科学院沈阳计算技术研究所有限公司 基于全要素的异常图片检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD