买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州平云信息科技有限公司

摘要：本申请实施例涉及人工智能技术领域，具体涉及基于AIGC的平台内容识别方法及系统，旨在解决现有技术中在处理复杂数字文化图像时存在的识别准确率低、处理效率低等问题。通过本申请的方法，可以实现对关键图像元素的高效、准确识别和提取，为数字文化领域的研究和应用提供有力支持。

主权项：1.一种基于AIGC的平台内容识别方法，其特征在于，应用于图像内容识别系统，所述方法包括：获取待识别数字文化图像信息和针对待识别数字文化图像信息上传的关键图像元素提取请求，所述待识别数字文化图像信息中包括X个数字文化图像块，所述X为正整数；基于各数字文化图像块在所述待识别数字文化图像信息中的分布特征，确定Y个数字文化图像单元，一个数字文化图像单元包括所述待识别数字文化图像信息中最少两个关联的数字文化图像块，Y为正整数；基于设定窗口大小对每个所述数字文化图像块进行拆解，得到每个数字文化图像块对应的最少一个数字文化像素子块，每个所述数字文化像素子块对应的像素数据量小于设定窗口大小；通过第一特征挖掘网络提取所述关键图像元素提取请求的知识特征线性变量；通过第二特征挖掘网络提取每个所述数字文化像素子块的知识特征线性变量，所述设定窗口大小不大于所述第二特征挖掘网络的极限处理阈值；依据所述Y个数字文化图像单元中各数字文化图像单元中数字文化像素子块的知识特征线性变量和所述关键图像元素提取请求的知识特征线性变量，从所述Y个数字文化图像单元中确定所述关键图像元素提取请求的关键图像元素所在的待处理数字文化图像单元；通过图像内容识别算法依据所述待处理数字文化图像单元和所述关键图像元素提取请求进行关键图像元素识别，得到所述关键图像元素提取请求的关键图像元素识别标签；所述依据所述Y个数字文化图像单元中各数字文化图像单元中数字文化像素子块的知识特征线性变量和所述关键图像元素提取请求的知识特征线性变量，从所述Y个数字文化图像单元中确定所述关键图像元素提取请求的关键图像元素所在的待处理数字文化图像单元，包括：将属于相同数字文化图像单元中的数字文化像素子块的知识特征线性变量进行整合，得到各数字文化图像单元的联动知识线性变量链；根据各数字文化图像单元的联动知识线性变量链和所述关键图像元素提取请求的知识特征线性变量，确定各数字文化图像单元与所述关键图像元素提取请求之间的知识特征共性评分；根据所述各数字文化图像单元与所述关键图像元素提取请求之间的知识特征共性评分，从所述Y个数字文化图像单元中确定与所述关键图像元素提取请求之间的知识特征共性评分最大的Z个数字文化图像单元，作为所述待处理数字文化图像单元；Z为不大于Y的正整数；所述关键图像元素提取请求的知识特征线性变量包括所述关键图像元素提取请求中每个关键图像元素提取请求图像像素的知识特征线性变量，所述数字文化像素子块的知识特征线性变量包括所述数字文化像素子块中每个图像像素的知识特征线性变量；所述数字文化图像单元的联动知识线性变量链包括所述数字文化图像单元中每个图像像素的知识特征线性变量；所述根据各数字文化图像单元的联动知识线性变量链和所述关键图像元素提取请求的知识特征线性变量，确定各数字文化图像单元与所述关键图像元素提取请求之间的知识特征共性评分，包括：基于各关键图像元素提取请求图像像素的知识特征线性变量和各所述数字文化图像单元中各图像像素的知识特征线性变量，确定各关键图像元素提取请求图像像素与各所述数字文化图像单元中各图像像素之间的图像像素级共性评分；根据各关键图像元素提取请求图像像素与各所述数字文化图像单元中各图像像素之间的图像像素级共性评分，确定各所述数字文化图像单元与各所述关键图像元素提取请求图像像素之间的最大图像像素级共性评分；基于各所述数字文化图像单元与各所述关键图像元素提取请求图像像素之间的最大图像像素级共性评分，确定所述关键图像元素提取请求与各所述数字文化图像单元之间的知识特征共性评分；所述第一特征挖掘网络和第二特征挖掘网络为深度残差循环网络中的特征挖掘网络，所述深度残差循环网络利用如下步骤调试所得：获取神经网络调试示例集，所述神经网络调试示例集包括多个神经网络调试示例批，每个神经网络调试示例批包括一个针对数字文化图像信息调试示例上传的关键图像元素提取请求调试示例和所述数字文化图像信息调试示例中的数字文化图像单元调试示例，所述数字文化图像单元调试示例包括数字文化图像信息调试示例中最少两个关联的数字文化图像块调试示例，所述数字文化图像块调试示例中各数字文化像素子块调试示例的像素数据量小于所述设定窗口大小；由调试后的参考深度残差循环网络依据所述关键图像元素提取请求调试示例和所述数字文化图像信息调试示例中的所述数字文化图像单元调试示例进行关键图像元素分布特征识别，确定所述关键图像元素提取请求调试示例对应的关键图像元素属于各所述数字文化图像单元调试示例的第一识别结果；所述参考深度残差循环网络的复杂度大于所述深度残差循环网络的复杂度；由所述深度残差循环网络依据所述关键图像元素提取请求调试示例和各所述数字文化图像单元调试示例中的数字文化像素子块调试示例进行关键图像元素分布特征识别，确定所述关键图像元素提取请求调试示例对应的关键图像元素属于各所述数字文化图像单元调试示例的第二识别结果；依据所述关键图像元素提取请求调试示例对应的关键图像元素属于各所述数字文化图像单元调试示例的第一识别结果和所述关键图像元素提取请求调试示例对应的关键图像元素属于各所述数字文化图像单元调试示例的第二识别结果，获得神经网络训练误差；依据所述神经网络训练误差改进所述第一特征挖掘网络和第二特征挖掘网络的权重变量，得到调试后的第一特征挖掘网络和第二特征挖掘网络。

全文数据：

权利要求：

百度查询： 广州平云信息科技有限公司 基于AIGC的平台内容识别方法及系统