买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春市万易科技有限公司申请的专利一种基于深度学习模型的图像敏感词识别方法与系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116798050B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310752496.7，技术领域涉及：G06V30/19；该发明授权一种基于深度学习模型的图像敏感词识别方法与系统是由杨玉东;赵新峰;刘健;苏恒强;桂东昫;焦东秋设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种基于深度学习模型的图像敏感词识别方法与系统在说明书摘要公布了：一种基于深度学习模型的图像敏感词识别方法与系统，属于机器视觉和自然语言处理领域，包括：数据收集；数据标注；数据集划分；模型训练：图像文本区域检测、图像文本区域文字识别、图像文字数据集形成、模型训练初始设置；敏感词识别、模型训练；针对待检测敏感词图像数据进行模型训练：图像文本区域检测、文本区域文字识别、文字分词、图像敏感词识别、图像敏感词处理，最终得到待检测敏感词图像数据的图像敏感词识别结果。本发明提高了图像敏感词的识别精度，降低了语义分析难度，同时解决了现有图像敏感词识别存在的易出现文字割裂、乱码和识别不清楚的问题，可以和现有网络不良信息检测系统进行集成，实现图像敏感词识别。

本发明授权一种基于深度学习模型的图像敏感词识别方法与系统在权利要求书中公布了：1.一种基于深度学习模型的图像敏感词识别方法，其特征在于，包括以下步骤： 步骤一、数据收集； 收集图像数据集和敏感词数据集； 步骤二、数据标注； 对图像数据集进行敏感词标注，记录包含敏感词的图像数据序号、包含的敏感词和包含的敏感词数量； 步骤三、数据集划分； 将图像数据集进行划分，划分为训练集和测试集； 步骤四、模型训练； 针对训练集中的图像数据，按照步骤S4.1-S4.6进行模型训练： 步骤S4.1：图像文本区域检测； 针对训练集中的图像数据利用深度学习模型CTPN对图像中的文字进行检测，形成若干个图像文本区域，并按照从上到下的顺序和从左到右的顺序，标记每个图像文本区域序号； 步骤S4.2：图像文本区域文字识别； 利用深度学习模型CRNN对步骤S4.1中的每个图像文本区域进行文字识别，提取图像文字； 步骤S4.3：图像文字数据集形成； 将文字识别后提取的图像文字按照图像文本区域顺序形成图像文字数据集； 步骤S4.4：模型训练初始设置； 设定深度学习分词模型Jieba的参数； 步骤S4.5：敏感词识别； 针对步骤S4.3中形成的图像文字数据集，利用深度学习分词模型Jieba对图像文字数据集进行分词；以敏感词匹配度和敏感词数量进行对比，对比敏感词标注结果计算得到敏感词识别准确率； 步骤S4.6：模型训练； 当敏感词识别准确率小于95%时，转入步骤S4.4继续调整深度学习分词模型Jieba的参数，随后进行步骤S4.5，直至敏感词识别准确率大于95%为止，停止训练，确定深度学习分词模型Jieba的最终参数； 步骤五、图像敏感词识别； 针对待检测敏感词图像数据，按照步骤S5.1-S5.5进行模型训练： 步骤S5.1：图像文本区域检测； 利用深度学习模型CTPN对待检测敏感词图像数据进行文本区域检测，得到若干个文本区域； 步骤S5.2：文本区域文字识别； 利用深度学习模型CRNN针对步骤S5.1中的每个文本区域进行文字识别，得到两种类型文字数据集：第一种为整体图像的文字数据集，第二种为整体图像中每个文本区域的文字数据集； 步骤S5.3：文字分词； 利用步骤S4.6得到的深度学习分词模型Jieba，对步骤S5.2中得到的两种文字数据集进行分词，得到两种分词结果：第一种是整体图像的文字数据集分词结果，第二种是整体图像中每个文本区域的文字数据集分词结果； 步骤S5.4：图像敏感词识别； 将上述两种分词结果分别和步骤一中敏感词数据集进行匹配，得到两种形式敏感词识别结果； 步骤S5.5：图像敏感词处理； 对上述两种形式敏感词识别结果进行重复性检测，过滤掉重复性敏感词识别结果，最终得到待检测敏感词图像数据的图像敏感词识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春市万易科技有限公司，其通讯地址为：130000 吉林省长春市高新开发区锦湖大路1357号4楼406室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。