(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 202210294028.5 (22)申请日 2022.03.23 (71)申请人 阿里云计算有限公司 地址 310024 浙江省杭州市西湖区转塘科 技经济区块12号 (72)发明人 高志华　 (74)专利代理 机构 北京同钧律师事务所 16 037 专利代理师 许怀远 (51)Int.Cl. G06V 20/30(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 违规图片检测方法、 装置和服 务器 (57)摘要 本申请提供一种违规图片检测方法、 装置和 服务器。 该方法包括： 服务器可 以获取到上传到 云端的图片， 并将该图片作为待检测的第一图 片。 服务器可以使用该预设窗口在所述待检测图 片中滑动获取多个第二图片。 服务器可以使用预 测模型对每一所述第二图片进行下采样， 得到每 一第二图片 对应的一个特征点。 该第一图片的多 个第二图片的特征点可以组成一个特征图片。 服 务器可以将该特征图片输入该预测模 型， 预测得 到该每一第二图片的预测类别。 当一待检测的第 一图片中存在至少一个第二图片的预测类别为 属于违规图片时， 确定该待检测的第一图片中属 于违规图片。 本申请的方法， 提高了违规图片的 检测准确率。 权利要求书2页 说明书16页 附图5页 CN 114663792 A 2022.06.24 CN 114663792 A 1.一种违规图片检测方法， 其特 征在于， 所述方法包括： 获取待检测的第一图片； 使用预设窗口将所述第一图片划分为多个第二图片； 使用预测模型对每一所述第二图片进行预测， 预测得到每一所述第二图片的预测类 别， 所述预测类别包括属于违规图片和不属于违规图片两类； 当存在至少一个第 二图片对应的预测类别为属于违规图片时， 确定所述第 一图片为违 规图片。 2.根据权利要求1所述的方法， 其特征在于， 所述使用预设窗口将所述第 一图片划分为 多个第二图片， 包括： 使用所述预设窗口， 在所述待检测图片中滑动获取多个第二图片。 3.根据权利要求2所述的方法， 其特征在于， 所述使用预测模型对每一所述第 二图片进 行预测， 预测得到每一所述第二图片的预测类别， 包括： 使用所述预测模型对所述第一图片中的每一所述第二图片进行卷积， 得到多个特征 点； 将所述多个特 征点输入所述预测模型， 预测得到每一所述第二图片的预测类别。 4.根据权利要求3所述的方法， 其特 征在于， 所述方法， 还 包括： 将所述多个特征点输入所述预测模型， 预测得到每一所述第二图片的预测偏移信息， 所述预测偏移信息中包括所述第二图片的中心 点坐标， 以及所述第二图片的所述中心点坐 标与所述第一图片中的违规区域的预测中心点 坐标之间的横向偏移量和纵向偏移量； 根据所述第 一图片中的每一所述第 二图片的所述预测偏移信 息， 回归计算所述第 一图 片中的所述违规区域的预测位置信息， 所述预测位置信息包括所述第一图片中的所述违规 区域的预测中心点 坐标、 预测宽度和预测高度。 5.根据权利要求1 ‑4中任一项所述的方法， 其特 征在于， 所述方法， 还 包括： 获取训练集合， 所述训练集合中包括包含违规区域的训练图片和用于指示所述违规 区 域在所述训练图片中的实际位置信息的图片标签； 使用预设窗口将所述训练集 合中每一所述训练图片划分为多个第二图片； 使用所述预测模型对每一所述训练图片中每一所述第 二图片进行预测， 预测得到每一 所述第二图片的预测类别， 所述预测类别包括属于违规图片和不属于违规图片两类； 根据所述训练集合中每一所述训练图片的每一所述第二图片的位置信息和每一所述 训练图片 中所述违规区域的实际位置信息， 确定所述第二图片的实际类别， 所述实际类别 包括属于违规图片和不属于违规图片两类； 根据所述训练集合中每一所述训练图片中每一所述第二图片的所述预测类别和所述 实际类别， 确定所述预测模型的标签损失， 并根据所述标签损失优化所述预测模型。 6.根据权利要求5所述的方法， 其特征在于， 所述根据所述训练集合中每一所述训练图 片的每一所述第二图片的位置信息和每一所述训练图片中所述违规区域的实际位置信息， 确定所述第二图片的实际类别， 包括： 根据所述训练集合中每一所述训练图片的每一所述第二图片的位置信息和所述训练 图片中所述违规区域的实际位置信息， 计算所述第二图片与所述违规区域的重 叠度； 当所述第二图片的所述重叠度 大于等于预设阈值 时， 所述第 二图片的实际类别为所述权　利　要　求　书 1/2 页 2 CN 114663792 A 2第二图片属于违规图片； 否则， 所述第二图片的实际类别为所述第二图片不属于违规图片。 7.根据权利要求5所述的方法， 其特 征在于， 所述方法， 还 包括： 使用所述预测模型对每一所述训练图片中的每一所述第 二图片进行预测， 预测得到每 一所述第二图片的预测偏移信息， 所述预测偏移信息中包括所述第二图片的中心点坐标， 以及所述第二图片的中心点坐标与所述训练图片中的违规区域的预测中心点坐标之间的 横向偏移量和纵向偏移量； 根据每一所述训练图片的每一所述第 二图片的所述预测偏移信 息， 回归计算得到每一 所述训练图片 中所述违规区域的预测位置信息， 所述预测 位置信息包括预测中心点坐标、 预测宽度和预测高度； 根据所述训练集合中每一所述训练图片的所述预测位置信息和所述图片标签中的所 述实际位置信息， 确定所述预测模型的位置损失； 根据所述标签损失和所述 位置损失， 优化所述预测模型。 8.一种违规图片检测装置， 其特 征在于， 所述装置， 包括： 获取模块， 用于获取待检测的第一图片； 处理模块， 用于使用预设窗口将所述第一图片划分为多个第二图片； 使用预测模型对 每一所述第二图片进行预测， 预测得到每一所述第二图片的预测类别， 所述预测类别包括 属于违规图片和不属于违规图片两类； 当存在至少一个第二图片对应的预测类别为属于违 规图片时， 确定所述第一图片为违规图片。 9.一种服 务器， 其特 征在于， 所述 服务器， 包括： 存 储器， 处理器； 所述存储器用于存储计算机程序； 所述处理器用于根据所述存储器存储的计算机程 序， 实现如权利要求1 ‑7中任意一项所述的违规图片检测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序， 所述计算机程序被处理器执行时用于实现如权利要求1 ‑7任一项所述的违规图片检 测方法。 11.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1 ‑7任一项所述的违规图片检测方法。权　利　要　求　书 2/2 页 3 CN 114663792 A 3