CN109558792A - 一种基于样本和特征检测互联网徽标内容的方法和系统 - Google Patents
一种基于样本和特征检测互联网徽标内容的方法和系统 Download PDFInfo
- Publication number
- CN109558792A CN109558792A CN201811185976.5A CN201811185976A CN109558792A CN 109558792 A CN109558792 A CN 109558792A CN 201811185976 A CN201811185976 A CN 201811185976A CN 109558792 A CN109558792 A CN 109558792A
- Authority
- CN
- China
- Prior art keywords
- feature
- image
- data
- sample
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种基于样本和特征检测互联网徽标内容的方法和系统,数据采集单元采集网络上的视图像文件,并将采集的视图像文件进行规范化命名和重复性检验;预处理单元将不同格式的视图像文件转换为统一格式的视图像文件并从视频中抽取出关键帧数据;内容识别分析单元利用卷积神经网络训练样本图集生成特征识别模型,利用特征识别模型对待分析图像数据进行特征相似度分值评估,并进行目标区域计算,获取相应坐标的位置,并提取出视图像特征,从中选择相似度分值最高的一张图片作为标准图,再进行相似度分值评估,对特征图像进行分类;业务逻辑及展示单元对分析后的有害内容进行存储,并形成用户需要的业务逻辑通过网页展示出来。
Description
技术领域
本发明属于互联网内容检测技术领域,具体地说,涉及一种基于样本和特征检测互联网徽标内容的方法和系统。
背景技术
随着信息技术及互联网技术的飞速发展,网络成为人们获取信息的主要途径,网络信息成为一种人们熟知的便捷信息。同时由于网络信息技术的飞速发展,网络上承载的信息量越来越大,涵盖的范围越来越广,信息的种类也良莠不齐,同时网络信息传播的速度快,传播范围广。以简单直观的图片信息为例,网络上的图片信息不仅包括传播正能量的信息、仅供观赏的信息,还包括一些不良信息。现如今青少年使用互联网越来越多,这些低年龄段的使用者还没有形成正确的三观,很容易被网上的各种信息干扰。互联网上的不良图像被广泛传播不仅严重危害青少年的身心健康,更增加了社会的不安定因素,因此,有必要对互联网有害信息识别技术进行深入研究。
近年来,随着网络空间中不同应用系统渠道传输的政策性、政治性有害内容事件频发,基于内容的不良图像的识别和检测技术已引起人们的极大兴趣,同时它也是基于内容的网络过滤系统所面临的一个重要且亟待解决的研究课题。
发明内容
针对现有技术中上述的不足,本发明提供一种基于样本和特征检测互联网内容徽标的方法和系统,该方法基于视图像内容进行检测,通过卷积神经网络对样本图集训练生成特征识别模型,根据特征识别模型对待分析图像数据进行目标区域检测和目标图像提取,提取出图像特征并对视图像进行分类,实现视图像内容识别,能够快速高效分析出有害的图片内容并进行存储,为互联网上视图内容监管业务提供系统性平台,做到无人值守、自动分类的便捷监管。
进一步地,为了达到上述目的,本发明采用的解决方案是:一种基于样本和特征检测互联网徽标内容的方法,包括如下步骤:
S1:数据采集,对互联网上的视图像数据进行采集,并以文件为单位对文件进行规范化命名和重复性校验,实现文件的统一编目;
S2:预处理,对编目后的视图像数据进行预处理,实现视图像转换和关键图像数据的提取,生成待分析图像数据;
S3:特征识别模型训练,对样本图像集进行标注,将标注后的样本图像集输入卷积神经网络训练生成特征识别模型;
S4:目标区域检测:利用特征识别模型对待分析图像数据进行检测,确定含有目标特征属性的目标区域;
S5:目标区域图像提取:提取目标区域内的视图像特征;
S6:标签生成:利用标签生成器根据卷积神经网络计算出的相似度分值对视图像内容进行标记,实现视图内容识别;
S7:业务逻辑及展示:将存储的数据形成用户需要的业务逻辑,并通过网页展示出来。
所述的对图像规范化命名包括将从指定位置获取的数据内容生成有序的文件名称,实现新文件命名和源文件名的统计编目。
所述的预处理包括视图像转换和关键图像数据的提取,所述的视图像转换将不同格式的视频文件转换成统一格式的视频文件,将不同格式的图像文件转换成统一格式的图像文件,所述的关键图像数据的提取是从视频文件中抽取出关键帧数据。
所述的样本图像集包括含有目标特征的正样本图集和负样本图集。
所述的目标区域检测包括:利用特征识别模型对待分析图像数据进行特征相似度分值评估,根据设定的阀值计算出具有目标特征的视图像内容,并进行目标区域计算,获取相应坐标的位置。
所述的目标区域计算采用卷积网络和YOLO算法计算:将图像输入卷积网络提取特征,得到一定像素大小的特征图像,利用如下公式计算:
bx=σ(tx)+cx
by=σ(ty)+cy
其中tx、ty、tw、th就是目标区域计算的预测输出,cx、cy表示像素点的坐标,pw、ph表示预测前边界框的大小,bx、by、bw、bh就是预测得到的边界框的中心的坐标和大小。
所述的标签生成从提取的视图像特征中选择相似度分值最高的一张图片作为标准图,将提取的视图像特征与该标准图进行相似度分值评估,将相似度分值超过设定阀值时归为此类型,反之为其它类型,按此计算方法对所有特征进行分类计算,其关系表达示SP,计算方法如下:如果特征i在分类的j中,则SPij=1,反之SPij=0。
基于样本和特征检测互联网徽标内容的方法的系统,包括数据采集单元、预处理单元、内容识别分析单元和业务逻辑及展示单元,所述的数据采集单元采集网络上的视图像文件,并将采集的视图像文件进行规范化命名和重复性检验;所述的预处理单元将不同格式的视图像文件转换为统一格式的视图像文件并从视频中抽取出关键帧数据;所述的内容识别分析单元利用卷积神经网络训练样本图集生成特征识别模型,利用特征识别模型对待分析图像数据进行特征相似度分值评估,并进行目标区域计算,获取相应坐标的位置,并提取出视图像特征,从中选择相似度分值最高的一张图片作为标准图,再进行相似度分值评估,对特征图像进行分类;所述的业务逻辑及展示单元对分析后的有害内容进行存储,并形成用户需要的业务逻辑通过网页展示出来。
所述的业务逻辑及展示单元包括消息和数据转发模块、存储模块、应用展示模块、配置管理模块和任务调度模块,所述的消息和数据转发模块将分析结果和消息通过raid中间件实现转发,所述的存储模块对分析出的有害单元进行存储,所述的应用展示模块将存储的数据进行可视化展示,所述的配置管理模块实现任务检测,样本管理和分类管理,所述的任务调度模块实现用户查询任务的调度管理。
所述的消息和数据转发模块包括异常处理模块、消息交换服务模块、分析结果记录交换服务模块和分析结果文件交换模块,所述的异常处理模块进行异常视图像的处理,消息交换服务模块实现消息在业务逻辑及展示单元与内容识别分析单元之间的交换,分析结果记录交换服务模块实现分析结果记录在业务逻辑及展示单元与内容识别分析单元之间的交换,分析结果文件交换模块实现分析结果文件在业务逻辑及展示单元与内容识别分析单元之间的交换。
本发明的有益效果是:
(1)该方法基于视图像内容进行检测,通过卷积神经网络对样本图集训练生成特征识别模型,根据特征识别模型对待分析图像数据进行目标区域检测和目标图像提取,提取出图像特征并对视图像进行分类,实现视图像内容识别,能够快速高效分析出有害的图片内容并进行存储,为互联网上视图内容监管业务提供系统性平台,做到无人值守、自动分类的便捷监管;
(2)系统设置预处理单元采用HASH实现过滤,对图片进行去重,简化了后续内容识别分析单元需要处理的数据量,内容识别分析单元检测目标区域并提取目标图像,提取出图像特征并对视图像进行分类,发现有害内容图片,分析过程自动进行,减少人工投入。
附图说明
图1为本发明的检测方法流程图;
图2为本发明的检测系统框图。
具体实施方式
以下结合附图对本发明作进一步描述:
如图1所示,一种基于样本和特征检测互联网徽标内容的方法,包括如下步骤:
S1:数据采集,对互联网上的视图像数据进行采集,并以文件为单位对文件进行规范化命名和重复性校验,将从指定位置获取的数据内容生成有序的文件名称,实现新文件命名和源文件名的统计编目,并对文件进行唯一性判断;
S2:预处理,对编目后的视图像数据进行预处理,实现视图像转换和关键图像数据的提取,将不同格式的视频文件转换成统一格式的视频文件,将不同格式的图像文件转换成统一格式的图像文件,并从视频文件中抽取出关键帧数据生成待分析图像数据;
S3:特征识别模型训练,对样本图像集进行标注,将标注后的样本图像集输入卷积神经网络训练生成特征识别模型,样本图像集包括含有目标特征的正样本图集和负样本图集;
S4:目标区域检测:利用特征识别模型对待分析图像数据进行特征相似度分值评估,根据设定的阀值计算出具有目标特征的视图像内容,并进行目标区域计算,获取相应坐标的位置,确定含有目标特征属性的目标区域;
S5:目标区域图像提取:提取目标区域内的视图像特征;
S6:标签生成:利用标签生成器根据卷积神经网络计算出的相似度分值对视图像内容进行标记,实现视图内容识别,标签生成器从提取的视图像特征中选择相似度分值最高的一张图片作为标准图,将提取的视图像特征与该标准图进行相似度分值评估,将相似度分值超过设定阀值时归为此类型,反之为其它类型,按此计算方法对所有特征进行分类计算,其关系表达示SP,计算方法如下:如果特征i在分类的j中,则SPij=1,反之SPij=0;
S7:业务逻辑及展示:将存储的数据形成用户需要的业务逻辑,并通过网页展示出来。
目标区域计算采用卷积网络和YOLO算法计算:将图像输入卷积网络提取特征,得到一定像素大小的特征图像,利用如下公式计算:
bx=σ(tx)+cx
by=σ(ty)+cy
其中tx、ty、tw、th就是目标区域计算的预测输出,cx、cy表示像素点的坐标,pw、ph表示预测前边界框的大小,bx、by、bw、bh就是预测得到的边界框的中心的坐标和大小。
如图2所示,基于样本和特征检测互联网徽标内容的方法的系统,包括数据采集单元、预处理单元、内容识别分析单元和业务逻辑及展示单元,所述的数据采集单元采集网络上的视图像文件,并将采集的视图像文件进行规范化命名和重复性检验;所述的预处理单元将不同格式的视图像文件转换为统一格式的视图像文件并从视频中抽取出关键帧数据;所述的内容识别分析单元利用卷积神经网络训练样本图集生成特征识别模型,利用特征识别模型对待分析图像数据进行特征相似度分值评估,并进行目标区域计算,获取相应坐标的位置,并提取出视图像特征,从中选择相似度分值最高的一张图片作为标准图,再进行相似度分值评估,对特征图像进行分类;所述的业务逻辑及展示单元对分析后的有害内容进行存储,并形成用户需要的业务逻辑通过网页展示出来。
所述的业务逻辑及展示单元包括消息和数据转发模块、存储模块、应用展示模块、配置管理模块和任务调度模块,所述的消息和数据转发模块将分析结果和消息通过raid中间件实现转发,所述的存储模块对分析出的有害单元进行存储,所述的应用展示模块将存储的数据进行可视化展示,所述的配置管理模块实现任务检测,样本管理和分类管理,所述的任务调度模块实现用户查询任务的调度管理。
所述的消息和数据转发模块包括异常处理模块、消息交换服务模块、分析结果记录交换服务模块和分析结果文件交换模块,所述的异常处理模块进行异常视图像的处理,消息交换服务模块实现消息在业务逻辑及展示单元与内容识别分析单元之间的交换,分析结果记录交换服务模块实现分析结果记录在业务逻辑及展示单元与内容识别分析单元之间的交换,分析结果文件交换模块实现分析结果文件在业务逻辑及展示单元与内容识别分析单元之间的交换。
在本申请的一个实施例中,应用本申请的方法和系统检测视图像文件中是否有与旗帜相关的不良视频,首先通过系统的数据采集单元采集互联网上的视图像数据,然后以文件为单位,对文件进行规范化命名和重复性校验,将从指定位置获取的数据内容生成有序的文件名称,实现新文件命名和源文件名的统计编目,并对文件进行唯一性判断,筛除重复的图片,减小后续计算量。
然后预处理单元对编目后的视图像数据进行预处理,将不同格式的视图像文件转换成统一格式的视图像文件,并从视频文件中抽取出关键帧数据生成待分析图像数据。然后内容识别分析单元利用卷积神经网络训练标注后的旗帜正样本图像集和旗帜负样本图像集生成旗帜特征识别模型,利用旗帜特征识别模型对待分析图像数据进行特征相似度分值评估,并进行目标区域计算,获取相应坐标的位置,并提取出视图像特征,从中选择相似度分值最高的一张图片作为标准图,再进行相似度分值评估,对特征图像进行分类;如果待分析图像集中有10幅可能包含有旗帜a的图,首先将该图像图像集输入卷积网络与旗帜a特征识别模型进行特征相似度分值评估,并进行目标区域计算,获取相应坐标的位置,并提取出视图像特征;然后从中选择相似度分值最高的一张图片C作为标准图,再将其余9幅图与图片C进行相似度分值评估,相似度分值超过设定阀值B时归为此类型,反之为其它类型。
判断出旗帜所属类别后,通过消息和数据转发单元将分析结果存储在存储模块中,用户在访问时,通过查询查看相关图片,业务逻辑及展示模块将查询内容形成用户需要的业务逻辑通过网页展示出来。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.一种基于样本和特征检测互联网徽标内容的方法,其特征在于:包括如下步骤:
S1:数据采集,对互联网上的视图像数据进行采集,并以文件为单位对文件进行规范化命名和重复性校验,实现文件的统一编目;
S2:预处理,对编目后的视图像数据进行预处理,实现视图像转换和关键图像数据的提取,生成待分析图像数据;
S3:特征识别模型训练,对样本图像集进行标注,将标注后的样本图像集输入卷积神经网络训练生成特征识别模型;
S4:目标区域检测:利用特征识别模型对待分析图像数据进行检测,确定含有目标特征属性的目标区域;
S5:目标区域图像提取:提取目标区域内的视图像特征;
S6:标签生成:利用标签生成器根据卷积神经网络计算出的相似度分值对视图像内容进行标记,实现视图内容识别;
S7:业务逻辑及展示:将存储的数据形成用户需要的业务逻辑,并通过网页展示出来。
2.根据权利要求1所述的基于样本和特征检测互联网徽标内容的方法,其特征在于:所述的对图像规范化命名包括将从指定位置获取的数据内容生成有序的文件名称,实现新文件命名和源文件名的统计编目。
3.根据权利要求1所述的基于样本和特征检测互联网徽标内容的方法,其特征在于:所述的预处理包括视图像转换和关键图像数据的提取,所述的视图像转换将不同格式的视频文件转换成统一格式的视频文件,将不同格式的图像文件转换成统一格式的图像文件,所述的关键图像数据的提取是从视频文件中抽取出关键帧数据。
4.根据权利要求1所述的基于样本和特征检测互联网徽标内容的方法,其特征在于:所述的样本图像集包括含有目标特征的正样本图集和负样本图集。
5.根据权利要求4所述的基于样本和特征检测互联网徽标内容的方法,其特征在于:所述的目标区域检测包括:利用特征识别模型对待分析图像数据进行特征相似度分值评估,根据设定的阀值计算出具有目标特征的视图像内容,并进行目标区域计算,获取相应坐标的位置。
6.根据权利要求5所述的基于样本和特征检测互联网徽标内容的方法,其特征在于:所述的目标区域计算采用卷积网络和YOLO算法计算:将图像输入卷积网络提取特征,得到一定像素大小的特征图像,利用如下公式计算:
bx=σ(tx)+cx
by=σ(ty)+cy
其中tx、ty、tw、th就是目标区域计算的预测输出,cx、cy表示像素点的坐标,pw、ph表示预测前边界框的大小,bx、by、bw、bh就是预测得到的边界框的中心的坐标和大小。
7.根据权利要求1所述的基于样本和特征检测互联网徽标内容的方法,其特征在于:所述的标签生成从提取的视图像特征中选择相似度分值最高的一张图片作为标准图,将提取的视图像特征与该标准图进行相似度分值评估,将相似度分值超过设定阀值时归为此类型,反之为其它类型,按此计算方法对所有特征进行分类计算,其关系表达示SP,计算方法如下:如果特征i在分类的j中,则SPij=1,反之SPij=0。
8.应用权利要求1-7中任意一项所述的基于样本和特征检测互联网徽标内容的方法的系统,其特征在于:包括数据采集单元、预处理单元、内容识别分析单元和业务逻辑及展示单元,所述的数据采集单元采集网络上的视图像文件,并将采集的视图像文件进行规范化命名和重复性检验;所述的预处理单元将不同格式的视图像文件转换为统一格式的视图像文件并从视频中抽取出关键帧数据;所述的内容识别分析单元利用卷积神经网络训练样本图集生成特征识别模型,利用特征识别模型对待分析图像数据进行特征相似度分值评估,并进行目标区域计算,获取相应坐标的位置,并提取出视图像特征,从中选择相似度分值最高的一张图片作为标准图,再进行相似度分值评估,对特征图像进行分类;所述的业务逻辑及展示单元对分析后的有害内容进行存储,并形成用户需要的业务逻辑通过网页展示出来。
9.根据权利要求8所述的基于样本和特征检测互联网徽标内容的系统,其特征在于:所述的业务逻辑及展示单元包括消息和数据转发模块、存储模块、应用展示模块、配置管理模块和任务调度模块,所述的消息和数据转发模块将分析结果和消息通过raid中间件实现转发,所述的存储模块对分析出的有害单元进行存储,所述的应用展示模块将存储的数据进行可视化展示,所述的配置管理模块实现任务检测,样本管理和分类管理,所述的任务调度模块实现用户查询任务的调度管理。
10.根据权利要求9所述的基于样本和特征检测互联网徽标内容的系统,其特征在于:所述的消息和数据转发模块包括异常处理模块、消息交换服务模块、分析结果记录交换服务模块和分析结果文件交换模块,所述的异常处理模块进行异常视图像的处理,消息交换服务模块实现消息在业务逻辑及展示单元与内容识别分析单元之间的交换,分析结果记录交换服务模块实现分析结果记录在业务逻辑及展示单元与内容识别分析单元之间的交换,分析结果文件交换模块实现分析结果文件在业务逻辑及展示单元与内容识别分析单元之间的交换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811185976.5A CN109558792B (zh) | 2018-10-11 | 2018-10-11 | 一种基于样本和特征检测互联网徽标内容的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811185976.5A CN109558792B (zh) | 2018-10-11 | 2018-10-11 | 一种基于样本和特征检测互联网徽标内容的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109558792A true CN109558792A (zh) | 2019-04-02 |
CN109558792B CN109558792B (zh) | 2023-10-13 |
Family
ID=65864831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811185976.5A Active CN109558792B (zh) | 2018-10-11 | 2018-10-11 | 一种基于样本和特征检测互联网徽标内容的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558792B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110982A (zh) * | 2019-04-26 | 2019-08-09 | 特赞(上海)信息科技有限公司 | 创意素材的审查方法及装置 |
CN110222846A (zh) * | 2019-05-13 | 2019-09-10 | 中国科学院计算技术研究所 | 一种面向互联网终端的信息安防方法及信息安防系统 |
CN110508510A (zh) * | 2019-08-27 | 2019-11-29 | 广东工业大学 | 一种塑料泵缺陷检测方法、装置及系统 |
CN110674678A (zh) * | 2019-08-07 | 2020-01-10 | 国家计算机网络与信息安全管理中心 | 视频中敏感标志的识别方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129575A (zh) * | 2011-03-24 | 2011-07-20 | 成都四方信息技术有限公司 | 一种基于颜色空间肤色模型的色情图像分析系统 |
CN106708949A (zh) * | 2016-11-25 | 2017-05-24 | 成都三零凯天通信实业有限公司 | 一种视频有害内容识别方法 |
CN107122806A (zh) * | 2017-05-16 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 一种敏感图像识别方法及装置 |
CN107330453A (zh) * | 2017-06-19 | 2017-11-07 | 中国传媒大学 | 基于分步识别和融合关键部位检测的色情图像识别方法 |
CN108055529A (zh) * | 2017-12-25 | 2018-05-18 | 国家电网公司 | 电力无人机和机器人图像数据规范化人工智能分析系统 |
CN108520273A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 一种基于目标检测的稠密小商品快速检测识别方法 |
-
2018
- 2018-10-11 CN CN201811185976.5A patent/CN109558792B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129575A (zh) * | 2011-03-24 | 2011-07-20 | 成都四方信息技术有限公司 | 一种基于颜色空间肤色模型的色情图像分析系统 |
CN106708949A (zh) * | 2016-11-25 | 2017-05-24 | 成都三零凯天通信实业有限公司 | 一种视频有害内容识别方法 |
CN107122806A (zh) * | 2017-05-16 | 2017-09-01 | 北京京东尚科信息技术有限公司 | 一种敏感图像识别方法及装置 |
CN107330453A (zh) * | 2017-06-19 | 2017-11-07 | 中国传媒大学 | 基于分步识别和融合关键部位检测的色情图像识别方法 |
CN108055529A (zh) * | 2017-12-25 | 2018-05-18 | 国家电网公司 | 电力无人机和机器人图像数据规范化人工智能分析系统 |
CN108520273A (zh) * | 2018-03-26 | 2018-09-11 | 天津大学 | 一种基于目标检测的稠密小商品快速检测识别方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110110982A (zh) * | 2019-04-26 | 2019-08-09 | 特赞(上海)信息科技有限公司 | 创意素材的审查方法及装置 |
CN110222846A (zh) * | 2019-05-13 | 2019-09-10 | 中国科学院计算技术研究所 | 一种面向互联网终端的信息安防方法及信息安防系统 |
CN110222846B (zh) * | 2019-05-13 | 2021-07-20 | 中国科学院计算技术研究所 | 一种面向互联网终端的信息安防方法及信息安防系统 |
CN110674678A (zh) * | 2019-08-07 | 2020-01-10 | 国家计算机网络与信息安全管理中心 | 视频中敏感标志的识别方法及装置 |
CN110508510A (zh) * | 2019-08-27 | 2019-11-29 | 广东工业大学 | 一种塑料泵缺陷检测方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109558792B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109558792A (zh) | 一种基于样本和特征检测互联网徽标内容的方法和系统 | |
US10509985B2 (en) | Method and apparatus for security inspection | |
JP4273359B2 (ja) | 年齢推定システム及び年齢推定方法 | |
US8856129B2 (en) | Flexible and scalable structured web data extraction | |
CN108229330A (zh) | 人脸融合识别方法及装置、电子设备和存储介质 | |
CN110532970B (zh) | 人脸2d图像的年龄性别属性分析方法、系统、设备和介质 | |
CN104504335B (zh) | 基于页面特征和url特征的钓鱼app检测方法及系统 | |
CN104572804A (zh) | 一种视频物体检索的方法及其系统 | |
CN104866831B (zh) | 特征加权的人脸识别算法 | |
CN110490238A (zh) | 一种图像处理方法、装置及存储介质 | |
CN108363717B (zh) | 一种数据安全级别的识别检测方法及装置 | |
CN112258254B (zh) | 基于大数据架构的互联网广告风险监测方法及系统 | |
CN103440494A (zh) | 一种基于视觉显著性分析的恐怖图像识别方法及系统 | |
CN108664538A (zh) | 一种输变电设备疑似家族性缺陷的自动辨识方法及系统 | |
CN109934047A (zh) | 基于深度学习的人脸识别系统及其人脸识别方法 | |
CN109190657A (zh) | 基于数据切片及图像哈希组合的样本同源分析方法 | |
CN102385592A (zh) | 图像概念的检测方法和装置 | |
CN109740417A (zh) | 发票类型识别方法、装置、存储介质和计算机设备 | |
CN108229289A (zh) | 目标检索方法、装置和电子设备 | |
CN115759640A (zh) | 一种智慧城市的公共服务信息处理系统及方法 | |
CN110825808A (zh) | 一种基于边缘计算的分布化人脸数据库系统及其生成方法 | |
CN110209811A (zh) | 一种商品自动分类方法及系统 | |
CN109740429A (zh) | 基于嘴角坐标平均值变化的笑脸识别方法 | |
CN110321775A (zh) | 一种基于多旋翼无人机的水上落水人员自主识别方法 | |
Huo et al. | A part-based and feature fusion method for clothing classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220511 Address after: 518000 22nd floor, building C, Shenzhen International Innovation Center (Futian science and Technology Plaza), No. 1006, Shennan Avenue, Xintian community, Huafu street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen wanglian Anrui Network Technology Co.,Ltd. Address before: 610000 floors 4-8, unit 5, building 1, No. 333, Yunhua Road, high tech Zone, Chengdu, Sichuan Applicant before: CHENGDU 30KAITIAN COMMUNICATION INDUSTRY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |