학술논문
迁移学习在Web图像内容审核中的应用研究 / Web Violence Image Recognition Based on Transfer Learning
Document Type
Academic Journal
Author
Source
重庆工商大学学报（自然科学版） / Journal of Chongqing Technology and Business(Natural Sciences Edition). 38(3):42-49
Subject
Language
Chinese
ISSN
1672-058X
Abstract
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.