申请/专利权人：安徽博约信息科技股份有限公司

申请日：2023-11-07

公开（公告）日：2024-03-08

公开（公告）号：CN117671450A

主分类号：G06V10/82

分类号：G06V10/82;G06V10/764;G06V10/75;G06V10/44;G06V10/77;G06V10/774;G06V10/776;G06N3/0464;G06N3/0455;G06N3/084;G06N3/09;G06N3/0985;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.26#实质审查的生效;2024.03.08#公开

摘要：本发明提出了一种基于transformer的属地网络图像内容安全监管的DETR架构方法，属于计算机视觉领域。该方法采用先进的目标检测技术，以resnet50神经网络模型以及DETR架构的Transformer技术为基础实现，旨在提高当前图像内容安全监管的精度。具体包括如下步骤；首先，构建用于敏感图像检测的数据集，其中包括黄色画面、赌博画面以及涉及毒品的画面。之后通过基于transformer的DETR架构对收集好的图像数据进行预训练微调，得到训练好的DETR架构的权重参数。接着，利用ResNet50神经网络模型待检测的图像数据机型特征提取，而后特征输入到训练好的DETR架构中进行检测，得到输入图像是个否含有敏感信息。在广泛采用的大型目标检测数据集MSCOCO上的实验结果显示，本方法在目标检测精度上优于其他多模态目标检测算法，为本发明的有效性提供了有力的验证。

主权项：1.一种基于transformer的属地网络图像内容安全监管的DETR架构方法，其特征在于，首先，构建用于敏感图像检测的数据集，其中包括黄色画面、赌博画面以及涉及毒品的画面。之后通过基于transformer的DETR架构对收集好的图像数据进行预训练微调，得到训练好的DETR架构的权重参数。接着，利用ResNet50神经网络模型待检测的图像数据机型特征提取，而后特征输入到训练好的DETR架构中进行预测框的坐标和类别标签，得到输入图像是个否含有敏感信息。具体包括如下步骤：步骤1、人工挑选构建用于敏感图像检测的数据集，其中包括黄色画面、赌博画面以及涉及毒品的画面；步骤2、利用收集好的图像数据对基于transformer的DETR架构进行预训练微调，得到训练好的DETR架构的权重参数；步骤3、利用ResNet50神经网络模型待检测的图像数据机型特征提取；步骤4、特征输入到训练好的DETR架构中进行预测框的坐标和类别标签，得到输入图像是个否含有敏感信息。

全文数据：

权利要求：

百度查询： 安徽博约信息科技股份有限公司 一种基于transformer的属地网络图像内容安全监管的DETR架构方法

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