公开(公告)号：CN116824580A

公开(公告)日：2023-09-29

申请号：CN202310650720.1

申请日：2023-06-02

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 冯健明 ,  刘健

IPC: G06V20/70 ,  G06V10/40 ,  G06V10/74 ,  G06V10/774

Abstract: 本说明书一个或多个实施例提供了一种图像处理方法、装置、设备及存储介质，其中方法包括：获取待进行风险检测的图像，将该图像输入至风险检测模型，通过风险检测模型，提取该图像的图像特征，该图像特征为用于表示该图像的图像内容与待检测的风险信息之间的相关性的特征，待检测的风险信息包括多个类别的风险信息，根据该图像特征和风险检测模型预先训练得到的待检测的风险信息对应的语义特征，确定该图像的风险信息。

公开(公告)号：CN116824331A

公开(公告)日：2023-09-29

申请号：CN202310650574.2

申请日：2023-06-02

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 陈璟洲 ,  冯健明 ,  武文琦 ,  刘健

IPC: G06V10/82 ,  G06N3/08 ,  G06V10/764 ,  G06V10/40

Abstract: 本说明书公开了一种模型训练、图像识别方法、装置、设备及存储介质，用于隐私保护，可以通过将样本图像属于每个父类别的概率值和样本图像属于每个类别下的子类别的概率值之间的偏差为约束条件，以使图像识别模型输出的样本图像属于任意一个父类别的概率值和图像识别模型输出的样本图像属于这个父类别下的子类别的概率值保持一致，从而使得在对图像识别模型进行训练过程中，可以在使用细粒度的各样本图像对图像识别模型进行训练的同时，使用部分粗粒度的样本图像对图像识别模型进行训练，进而可以在给定的数量有限的细粒度样本图像的基础上，提升图像识别模型的训练效果。

公开(公告)号：CN116543264A

公开(公告)日：2023-08-04

申请号：CN202310651842.2

申请日：2023-06-02

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 冯健明 ,  陈璟洲 ,  武文琦 ,  刘健

IPC: G06V10/774 ,  G06V10/764

Abstract: 本说明书实施例提供了一种图像分类模型的训练方法、图像分类方法及装置，其中，训练方法包括：从训练样本集中获取n个样本图像和M个文本；将n个样本图像和M个文本输入待训练模型中进行训练处理，得到每个样本图像的图像分类结果；若根据图像分类结果确定满足预设的训练结束条件，则从待训练模型中获取图像分类模型；其中，训练样本集包括N个样本图像和所述M个文本，M个文本与目标类别的M个细分类别一一对应，文本用于对对应的细分类别进行特性描述；n、N和M为大于1的整数，n小于N；待训练模型基于预训练模型构建，预训练模型基于多个图像文本对进行训练得到。