迁移学习在Web图像内容审核中的应用研究

摘要：

针对当前Web不良图像内容监管和智能审核需求快速增加,人工和传统算法审核监管在规模、灵活性和响应时间上存在的不足,以及现有相关暴力图像数据样本的缺乏,提出一种基于深度模型迁移学习的Web图像内容审核方法.首先,收集自建暴力图像样本数据集,并对其进行数据增强和图像增强处理;其次,选择 ImageNet 数据集上训练完成的 VGG16(Visual Geometry Group)和 Resnet50(Residual Neural Network)两种典型的预训练深度神经网络模型进行迁移学习;最后,通过共享通用视觉特征、模型权重参数迁移以及微调,最终优化得到图像内容审核模型;通过对比验证实验研究,发现图像内容审核模型识别性能明显优于现有其他方法,正确率达到了 95％以上,能满足实际应用需求.

关键词：特征提取、卷积神经网络、残差网络、迁移学习、图像审核

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：实验室重点项目;安徽省质量工程数字研究重点项目

在线出版日期：2021-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：42-49