21世纪互联网技术广泛普及,各类资源在网络上大量传播。互联网使得资源的获取和传播更加便利,但也存在许多隐患。敏感图像的肆意传播是其中最大隐患之一,它对青少年的影响尤其恶劣。因此,为了防止青少年接触到敏感图像,智能识别敏感图像并对其进行过滤成为日益重要的课题,也是净化网络空间的重要一环。然而,由于敏感图像具有种类繁多、复杂多变的特性,敏感图像识别分析任务具有一定的挑战性。针对这一问题,本文提出了一种基于深度卷积神经网络的敏感图像识别方法,能够将图像分类为三个类别——正常、敏感和性感。本文的方法将图像的全局信息和局部敏感区域信息融入深度卷积神经网络,能够更为准确、鲁棒地检测敏感图像。所设计的网络架构包含四个部分:第一,基于ResNet与特征金字塔网络的全局分类网络——用于提取图像的全局特征;第二,局部识别网络——用于检测敏感身体区域并提取相关信息;第三,注意力机制网络——用于对图像中高鉴别力的区域进行重点分析;第四,特征提取和融合网络——用于生成图像高维特征信息并完成分类。最后,本文引入了多任务学习机制用来同时优化全局分类网络和局部身体区域检测网络,并采用课程学习机制以提高网络的泛化性能。本文分别在公开数据集NPDI和自采集数据集AIC进行了实验,图像总数超过16万张。实验结果显示,所提出的网络达到了很高的分类准确率(AIC上达到96.6%,NPDI上达到92.7%),优于大多数现有敏感图像识别方法。