本技術(shù)涉及圖像處理，特別是涉及一種目標(biāo)圖像復(fù)用檢測方法、系統(tǒng)、電子設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著互聯(lián)網(wǎng)上圖像數(shù)據(jù)飛速增長，為了實(shí)現(xiàn)對圖像的版權(quán)保護(hù)，針對目標(biāo)圖像的復(fù)用檢測尤為重要。然而，在目前的應(yīng)用場景中，針對目標(biāo)圖像的復(fù)用檢測往往會伴隨特定環(huán)境以及噪聲等負(fù)面影響，導(dǎo)致難以識別出與目標(biāo)圖像相匹配的復(fù)用圖像，針對目標(biāo)圖像的復(fù)用檢測準(zhǔn)確率較低。

2、因此，如何解決相關(guān)技術(shù)中針對目標(biāo)圖像的復(fù)用檢測準(zhǔn)確率較低的問題，成為本領(lǐng)域技術(shù)人員亟需解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、基于上述問題，為了提高針對目標(biāo)圖像的復(fù)用檢測準(zhǔn)確率，本技術(shù)實(shí)施例提供了一種目標(biāo)圖像復(fù)用檢測方法、系統(tǒng)、電子設(shè)備及介質(zhì)。

2、本技術(shù)實(shí)施例公開了如下技術(shù)方案：

3、第一方面，本技術(shù)實(shí)施例提供了一種目標(biāo)圖像復(fù)用檢測方法，包括：

4、基于預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)對目標(biāo)圖像進(jìn)行特征處理，得到所述目標(biāo)圖像的復(fù)用檢測特征；所述復(fù)用檢測特征為所述目標(biāo)圖像的低層特征和高層特征的融合特征；

5、通過所述復(fù)用檢測特征在預(yù)設(shè)特征向量數(shù)據(jù)庫中進(jìn)行特征查詢，得到復(fù)用比對特征；

6、將所述復(fù)用檢測特征與所述復(fù)用比對特征進(jìn)行相似性度量，以確定所述復(fù)用檢測特征與所述復(fù)用比對特征之間的相似度匹配值；

7、根據(jù)所述復(fù)用檢測特征和所述相似度匹配值對所述目標(biāo)圖像進(jìn)行復(fù)用檢測，以在所述相似度匹配值大于預(yù)設(shè)復(fù)用檢測閾值時，確定所述目標(biāo)圖像為復(fù)用圖像。

8、在一種可能的實(shí)現(xiàn)方式中，所述復(fù)用檢測特征包括：全局特征、局部特征以及噪聲向量特征；所述復(fù)用檢測特征中的不同特征具有各自對應(yīng)的所述相似度匹配值；

9、所述根據(jù)所述復(fù)用檢測特征和所述相似度匹配值對所述目標(biāo)圖像進(jìn)行復(fù)用檢測，以在所述相似度匹配值大于預(yù)設(shè)復(fù)用檢測閾值時，確定所述目標(biāo)圖像為復(fù)用圖像，包括：

10、在所述局部特征對應(yīng)的所述相似度匹配值大于所述預(yù)設(shè)復(fù)用檢測閾值時，確定所述目標(biāo)圖像為復(fù)用圖像；

11、在所述局部特征對應(yīng)的所述相似度匹配值不大于所述預(yù)設(shè)復(fù)用檢測閾值時，根據(jù)所述全局特征以及所述噪聲向量特征各自對應(yīng)的所述相似度匹配值，對所述目標(biāo)圖像進(jìn)行復(fù)用檢測；

12、針對所述局部特征以及所述噪聲向量特征各自對應(yīng)的所述相似度匹配值，若存在至少一個所述相似度匹配值大于所述預(yù)設(shè)復(fù)用檢測閾值，則確定所述目標(biāo)圖像為復(fù)用圖像。

13、在一種可能的實(shí)現(xiàn)方式中，所述將所述復(fù)用檢測特征與所述復(fù)用比對特征進(jìn)行相似性度量，以確定所述復(fù)用檢測特征與所述復(fù)用比對特征之間的相似度匹配值，包括：

14、根據(jù)所述復(fù)用檢測特征和所述復(fù)用比對特征各自對應(yīng)的特征向量維度，以及特征向量稀疏性，確定目標(biāo)哈希算法；

15、基于所述目標(biāo)哈希算法確定第一哈希值和第二哈希值；所述第一哈希值由所述復(fù)用檢測特征確定，所述第二哈希值由所述復(fù)用比對特征確定；

16、計(jì)算所述第一哈希值與所述第二哈希值之間的漢明距離，并基于所述漢明距離進(jìn)行相似度轉(zhuǎn)換，得到所述相似度匹配值。

17、在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述復(fù)用檢測特征和所述相似度匹配值對所述目標(biāo)圖像進(jìn)行復(fù)用檢測，以在所述相似度匹配值大于預(yù)設(shè)復(fù)用檢測閾值時，確定所述目標(biāo)圖像為復(fù)用圖像之前，所述方法還包括：

18、基于所述復(fù)用檢測特征對所述目標(biāo)圖像進(jìn)行敏感數(shù)據(jù)判別，得到針對所述目標(biāo)圖像的敏感數(shù)據(jù)判別結(jié)果；

19、若所述敏感數(shù)據(jù)判別結(jié)果為是，則對所述預(yù)設(shè)復(fù)用檢測閾值進(jìn)行降低處理。

20、在一種可能的實(shí)現(xiàn)方式中，所述基于預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)對目標(biāo)圖像進(jìn)行特征處理，得到所述目標(biāo)圖像的復(fù)用檢測特征，包括：

21、根據(jù)所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)對所述目標(biāo)圖像進(jìn)行特征提取，得到所述目標(biāo)圖像的所述低層特征和所述高層特征；

22、基于注意力機(jī)制對所述低層特征和所述高層特征進(jìn)行特征融合處理，得到所述復(fù)用檢測特征。

23、在一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)對所述目標(biāo)圖像進(jìn)行特征提取，得到所述目標(biāo)圖像的所述低層特征和所述高層特征，包括：

24、通過所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)的早期層，提取所述目標(biāo)圖像的所述低層特征；

25、根據(jù)所述低層特征，確定所述目標(biāo)圖像的顯著性圖，并基于所述顯著性圖確定所述目標(biāo)圖像中的目標(biāo)關(guān)鍵區(qū)域；

26、通過所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)的后期層和所述目標(biāo)關(guān)鍵區(qū)域，進(jìn)行語義特征抽象處理，得到所述目標(biāo)圖像的所述高層特征。

27、在一種可能的實(shí)現(xiàn)方式中，所述方法還包括：

28、獲取多類訓(xùn)練樣本圖像；

29、對各所述樣本圖像進(jìn)行數(shù)據(jù)增強(qiáng)處理，得到多類增強(qiáng)樣本圖像；

30、將多類所述增強(qiáng)樣本圖像作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，以訓(xùn)練得到所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)。

31、第二方面，本技術(shù)實(shí)施例提供了一種目標(biāo)圖像復(fù)用檢測系統(tǒng)，包括：

32、特征處理模塊，用于基于預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)對目標(biāo)圖像進(jìn)行特征處理，得到所述目標(biāo)圖像的復(fù)用檢測特征；所述復(fù)用檢測特征為所述目標(biāo)圖像的低層特征和高層特征的融合特征；

33、特征查詢模塊，用于通過所述復(fù)用檢測特征在預(yù)設(shè)特征向量數(shù)據(jù)庫中進(jìn)行特征查詢，得到復(fù)用比對特征；

34、相似性度量模塊，用于將所述復(fù)用檢測特征與所述復(fù)用比對特征進(jìn)行相似性度量，以確定所述復(fù)用檢測特征與所述復(fù)用比對特征之間的相似度匹配值；

35、復(fù)用檢測模塊，用于根據(jù)所述復(fù)用檢測特征和所述相似度匹配值對所述目標(biāo)圖像進(jìn)行復(fù)用檢測，以在所述相似度匹配值大于預(yù)設(shè)復(fù)用檢測閾值時，確定所述目標(biāo)圖像為復(fù)用圖像。

36、第三方面，本技術(shù)實(shí)施例提供了一種電子設(shè)備，所述設(shè)備包括：處理器、存儲器以及系統(tǒng)總線；

37、所述處理器以及所述存儲器通過所述系統(tǒng)總線相連；

38、所述存儲器用于存儲一個或多個程序，所述一個或多個程序包括指令，所述指令當(dāng)被所述處理器執(zhí)行時使所述處理器執(zhí)行第一方面中任一可能的目標(biāo)圖像復(fù)用檢測方法。

39、第四方面，本技術(shù)提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時實(shí)現(xiàn)第一方面中任一可能的目標(biāo)圖像復(fù)用檢測方法。

40、相較于現(xiàn)有技術(shù)，本技術(shù)具有以下有益效果：本技術(shù)實(shí)施例提供了一種目標(biāo)圖像復(fù)用檢測方法、系統(tǒng)、電子設(shè)備及介質(zhì)，其方法中，首先通過預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)對目標(biāo)圖像進(jìn)行特征提取，得到目標(biāo)圖像的復(fù)用檢測特征。其中，復(fù)用檢測特征為目標(biāo)圖像的低層特征和高層特征的融合特征，通過融合目標(biāo)圖像的低層特征和高層特征，可以綜合目標(biāo)圖像多尺度的特征信息來確定復(fù)用檢測特征，從而提高復(fù)用檢測的準(zhǔn)確率。在融合低層特征和高層特征得到復(fù)用檢測特征的基礎(chǔ)上，進(jìn)一步基于復(fù)用檢測特征從預(yù)設(shè)特征向量數(shù)據(jù)庫中篩選到與目標(biāo)圖像具備一定關(guān)聯(lián)相似度的復(fù)用比對特征，從而保障復(fù)用檢測的準(zhǔn)確率。進(jìn)一步的，將復(fù)用檢測特征與復(fù)用比對特征之間進(jìn)行相似性度量，確定兩者之間的相似度匹配值，并根據(jù)復(fù)用檢測特征和相似度匹配值進(jìn)行復(fù)用檢測，?當(dāng)兩者之間的相似度匹配值大于預(yù)設(shè)復(fù)用檢測閾值時，確定目標(biāo)圖為復(fù)用圖像，以此在特征提取以及特征比對的兩個維度，雙重提升針對目標(biāo)圖像的復(fù)用檢測準(zhǔn)確率。