《动手学深度学习2.0》学习笔记（四）

《动手学深度学习2.0》电子书的链接地址为https://zh.d2l.ai/index.html

本文记录了我在学习本书第13章节（计算机视觉）过程中的理解和收获。

《动手学深度学习2.0》学习笔记（三）

《动手学深度学习2.0》电子书的链接地址为https://zh.d2l.ai/index.html

本文记录了我在学习本书8-10章节（包括循环神经网络、现代循环神经网络、注意力机制）过程中的理解和收获。

《动手学深度学习2.0》学习笔记（二）

《动手学深度学习2.0》电子书的链接地址为https://zh.d2l.ai/index.html

本文记录了我在学习本书5-7章节（包括深度学习计算、卷积神经网络、现代卷积神经网络）过程中的理解和收获。

《动手学深度学习2.0》学习笔记（一）

《动手学深度学习2.0》电子书的链接地址为https://zh.d2l.ai/index.html

本文记录了我在学习本书前4章节（包括引言、预备知识、线性神经网络、多层感知机）过程中的理解和收获。

项目需求

目前，我已经实现了一个函数detect_sensitive(img_path)

1
2
3
4
5
6
7
8
9
10

def detect_sensitive(img_path):
	# 1.加载训练好的检测和识别模型，获取图片中的文字，保存在sentence中，并设置初始敏感概率为0.12
	# 2.初始化trie树，检查sentence中是否包含敏感词，若包含，将敏感概率设置为0.4592
	# 3.加载TextCNN模型，获取textCNN模型得出的sentence的预测结果，若预测为敏感信息，将敏感概率增加0.3
	# 3.1加载 word_2_index 字典和词嵌入层
	# 3.2加载 TextCNN 模型
	# 3.3对文本进行预处理，并使用 TextCNN 模型进行预测
	# 4.最终判断该图片包含的文本是否为敏感信息isSensitive
	# 5.返回sentence，isSensitive
	return sentence, isSensitive