CN110909798A - 一种多算法智能研判方法、系统及服务器 - Google Patents
一种多算法智能研判方法、系统及服务器 Download PDFInfo
- Publication number
- CN110909798A CN110909798A CN201911168389.XA CN201911168389A CN110909798A CN 110909798 A CN110909798 A CN 110909798A CN 201911168389 A CN201911168389 A CN 201911168389A CN 110909798 A CN110909798 A CN 110909798A
- Authority
- CN
- China
- Prior art keywords
- data
- algorithm
- processed
- models
- analysis result
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Abstract
本发明实施例提供的多算法智能研判方法、系统及服务器,用户通过客户端发送待处理数据,服务器待处理数据进行拆分服务器控制单个数据置于本发明实施例提供的三种数据模型中分别处理,上述的三种数据模型在选择时,依据目标数据的类型进行选择,当待处理数据为图像时,便选择三种处理图像的数据模型,通过三种数据模型对同一数据进行处理,得到三个对应的处理,综合上述三个处理结果,得到最后的分析结果,采用本发明实施例提供的多算法智能研判方法、系统及服务器,通过综合三个数据模型的结果得出最终的判断结果,提高了分析结果的准确度。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种多算法智能研判方法、系统及服务器。
背景技术
近几年,随着AI和5G技术的快速发展,加快了传统安防和物联网技术转型。传统安防系统引入了智能分析系统,IoT逐步向AIoT转型。目前的智能系统针对单一的应用对应着一种特定的算法,将需要处理的数据输入到算法模型进行计算分析,然后输出结果。但是,现有的智能系统输出的结果取决于器系统自身的精度,没有对比依据,结果准确度低。
发明内容
本发明实施例的目的在于提供一种多算法智能研判方法、系统及服务器,以提高现有智能系统输出结果的准确度。具体技术方案如下:
第一方面,本发明实施例提供了一种多算法智能研判方法,包括:
获取目标信息,其中,所述目标信息包括用户通过客户端发送的数据;
按照数据种类对所述目标信息进行拆分,得到至少两组待处理数据;
将所述至少两组待处理数据中的一组待处理数据作为当前数据,将所述当前数据分别置于所述至少三种算法模型中进行处理,得到至少三种算法结果;
利用预设方法处理所述至少三种算法结果,得到分析结果;
将所述至少两组待处理数据中每一组待处理数据分别作为所述当前数据,得到与所述每一组待处理数据对应的分析结果;
执行与每一项所述分析结果对应的方案。
可选的,用户通过客户端发送的数据为传感器数据或多媒体数据。
可选的,所述算法模型于所述当前数据的种类匹配,所述算法模型用于计算所述当前数据的准确度。
可选的,所述预设方法为:
获取所述当前数据在至少三种算法模型中的至少三种准确度,其中,每一种算法模型计算得出一种所述准确度,且所述算法模型的数量与所述准确的的数量相等;
获取所述至少三种准确度中,小于0.5的准确度的目标数量;
计算所述目标数量与所述数据模型的数量的比值,当所述比值小于0.5时,所述分析结果为可信度低;
当所述比值大于0.5时,所述分析结果为可信度高。
另一方面,本发明实施例提供了一种多算法智能研判系统,包括:
获取模块,用于获取目标信息,其中,所述目标信息包括用户通过客户端发送的数据;
分组模块,用于按照数据种类对所述目标信息进行拆分,得到至少两组待处理数据;
算法模块,所述算法模块包括至少三种算法模型,用于将所述至少两组待处理数据中的一组待处理数据作为当前数据,将所述当前数据分别置于所述至少三种算法模型中进行处理,得到至少三种算法结果;
分析模块,利用预设方法处理所述至少三种算法结果,得到分析结果;
循环模块,用于将所述至少两组待处理数据中每一组待处理数据分别作为所述当前数据,得到与所述每一组待处理数据对应的分析结果;
执行模块,用于执行与每一项所述分析结果对应的方案。
可选的,所述分析模块还包括:
获取子模块,获取所述当前数据在至少三种算法模型中的至少三种准确度,其中,每一种算法模型计算得出一种所述准确度,且所述算法模型的数量与所述准确的的数量相等;
分析子模块,用于分析所述至少三种准确度中,小于0.5的准确度的目标数量;
计算子模块,用于计算所述目标数量与所述数据模型的数量的比值,当所述比值小于0.5时,所述分析结果为可信度低;
当所述比值大于0.5时,所述分析结果为可信度高。
再一方面,本发明实施例提供了一种服务器,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
本发明实施例提供的多算法智能研判方法、系统及服务器,用户通过客户端发送待处理数据,服务器将待处理数据进行拆分,具体按照数据种类进行拆分,例如,一个数据中可能会包含图像、简介、视频等,我们会把该数据中的图像、简介、视频作为单独的子数据进行拆分,之后,服务器控制单个数据,例如图像,将图像置于本发明实施例提供的三种数据模型中分别处理,上述的三种数据模型在选择时,依据被处理的单个数据的类型进行选择,当被处理的单个数据为图像时,便选择三种处理图像的数据模型,通过三种数据模型对同一数据进行处理,得到三个对应的处理结果,综合上述三个处理结果,得到最后的分析结果,采用本发明实施例提供的多算法智能研判方法、系统及服务器,通过综合三个数据模型的处理结果,得出最终的分析结果,提高了分析结果的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的一种多算法智能研判方法流程图。
图2为本发明实施例提供的一种多算法智能研判装置连接示意图。
图3为本发明实施例提供的一种服务器模块连接图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
为了提高提高现有智能系统输出结果的准确度,本发明实施例提供了一种多算法智能研判方法、系统及服务器。
第一方面,请参见图1,本发明实施例所提供的本发明实施例提供了一种多算法智能研判方法,包括:
S101.获取目标信息,其中,所述目标信息包括用户通过客户端发送的数据。
具体的,上述目标信息可以是数据信息、可以是媒体信息、也可以是图像信息,获取到的目标信息可能同时包含多种信息,例如获取一个视频,将该视频作为目标信息,该目标信息中即包含了视频的编码、视频的图像、视频的文字解释等等。
S102.按照数据种类对所述目标信息进行拆分,得到至少两组待处理数据。
在步骤S101的基础上,我们对视频数据进行拆分,分为视频的编码、视频的图像、视频的文字,在本实施例中,将视频的图像作为待处理对象,以下方法均以图像作为待处理数据进行描述。
S103.将所述至少两组待处理数据中的一组待处理数据作为当前数据,将所述当前数据分别置于所述至少三种算法模型中进行处理,得到至少三种算法结果。
具体的,关于数据模型的选择问题,需要说明的是,处理每一种数据所需要的数据模型是不同的,以单个图像为例,处理图像的数据模型可以选择cnn神经网络模型、非线性降维的图像识别模型、VGG16特征提取数据模型、基于自相似模型的图像超分辨算法模型,我们可以选择上述四种模型中的任意三种,来分别对本发明实施例提供的单个图像进行处理,可以理解的是,在利用数据模型处理图像时,需要选择标准图像,例如犯罪分子头像作为标准,与待处理的拍摄到的人的头像,不同的数据模型都以犯罪分子头像为基准,分别对拍摄到的人的头像进行处理,得到三种处理结果。
S104.利用预设方法处理所述至少三种算法结果,得到分析结果。
具体的,在步骤S104中,得到了三种不同的图像处理模型处理后的三种处理结果,将三种处理结果根据预设方法处理,得到分析结果,预设方法为:获取所述当前数据在至少三种算法模型中的至少三种准确度;分析所述至少三种准确度中,小于0.5的准确度的目标数量;计算所述目标数量与所述数据模型的数量的比值,当所述比值小于0.5时,所述分析结果为可信度低;当所述比值大于0.5时,所述分析结果为可信度高,具体到本实施例中,cnn神经网络模型的准确度98%,非线性降维的图像识别模型的准确度97%,VGG16特征提取数据模型准确度99%,采用cnn神经网络模型得到的处理结果为相似度0.2,采用非线性降维的图像识别模型得到的处理结果为0.3,采用VGG16特征提取数据模型得到的处理结果为0.8,经过上述预设方法得知,我们便认为此待处理图片与基准图片不相似。采用本发明实施例提供的方法可以在不同的数据模型的到的结果进行参考,进而更加准确的结论,即本发明实施例所提供的的分析结果。
S105.将所述至少两组待处理数据中每一组待处理数据分别作为所述当前数据,得到与所述每一组待处理数据对应的分析结果。
将对目标数据拆分的每一项待处理数据采用步骤S101-S104的方法进行处理,得到每一项数据所对应的分析结果。
S106.执行与每一项所述分析结果对应的方案。
本发明实施例提供的多算法智能研判方法、系统及服务器,用户通过客户端发送待处理数据,服务器将待处理数据进行拆分,具体按照数据种类进行拆分,例如,一个数据中可能会包含图像、简介、视频等,我们会把该数据中的图像、简介、视频作为单独的子数据进行拆分,之后,服务器控制单个数据,例如图像,将图像置于本发明实施例提供的三种数据模型中分别处理,上述的三种数据模型在选择时,依据被处理的单个数据的类型进行选择,当被处理的单个数据为图像时,便选择三种处理图像的数据模型,通过三种数据模型对同一数据进行处理,得到三个对应的处理结果,综合上述三个处理结果,得到最后的分析结果,采用本发明实施例提供的多算法智能研判方法、系统及服务器,通过综合三个数据模型的处理结果,得出最终的分析结果,提高了分析结果的准确度。
进一步的,用户通过客户端发送的数据为传感器数据或多媒体数据。
具体的,传感器数据可以用于展示各种通过传感器可检测到的数据信息,例如,设备运转状况,室外温度湿度等等,多媒体数据可以是任何视频图像等信息,采用本发明实施例提供的方法,适用于对任何利用数据模型分析的数据处理,适用范围广,且准确率高。
进一步的,所述算法模型于所述当前数据的种类匹配,所述算法模型用于计算所述当前数据的准确度。
进一步的,所述预设方法为:
获取所述当前数据在至少三种算法模型中的至少三种准确度,其中,每一种算法模型计算得出一种所述准确度,且所述算法模型的数量与所述准确的的数量相等;
获取所述至少三种准确度中,小于0.5的准确度的目标数量;
计算所述目标数量与所述数据模型的数量的比值,当所述比值小于0.5时,所述分析结果为可信度低;
当所述比值大于0.5时,所述分析结果为可信度高。
举例说明,一个设备故障分析系统,现有三个算法模型。模型A准确率0.98,模型B准确率为0.95,C模型准确率0.96。通过传感器实时采集设备运行数据,数据分别输入到三个模型进行计算。比如模型A分析出设备某个零部件将要损坏的可能性为0.95,模型B分析出损坏的可能性为0.99,模型C分析出损坏的可能性为0.7。此时我们综合分析,由于模型A和模型B准确度较高,可以认为零件损坏可能性较大,此时会生成一个预防故障告警。如果A、B、C分析结果分别为0.4,0.5,0.9,此时可以认为是误报。
再举例说明,一个人脸识别系统,同样有三个模型A、B、C,准确度分别为0.99,0.95,0.92。当采集人脸进行特征分析后跟嫌疑人库进行对比,A输出结果置信度为0.9,B分析结果为0.89,C分析结果为0.85,此时可以认为此目标就是嫌疑人。如果A、B、C结果分别0.9,0.6,0.4,此时则则认为可能为嫌疑人,后续需要人工处理确认。
本发明通过引进多种算法同时进行数据分析,每种算法输出各自的计算结果,然后根据各个算法的置信度综合计算出最终的结果,这样可以增加计算结果的置信度,将一些误分析的数据过滤掉。
本发明实施例提供的多算法智能研判方法、系统及服务器,用户通过客户端发送待处理数据,服务器将待处理数据进行拆分,具体按照数据种类进行拆分,例如,一个数据中可能会包含图像、简介、视频等,我们会把该数据中的图像、简介、视频作为单独的子数据进行拆分,之后,服务器控制单个数据,例如图像,将图像置于本发明实施例提供的三种数据模型中分别处理,上述的三种数据模型在选择时,依据被处理的单个数据的类型进行选择,当被处理的单个数据为图像时,便选择三种处理图像的数据模型,通过三种数据模型对同一数据进行处理,得到三个对应的处理结果,综合上述三个处理结果,得到最后的分析结果,采用本发明实施例提供的多算法智能研判方法、系统及服务器,通过综合三个数据模型的处理结果,得出最终的分析结果,提高了分析结果的准确度。
另一方面,本发明实施例提供了一种多算法智能研判系统,包括:
获取模块,用于获取目标信息,其中,所述目标信息包括用户通过客户端发送的数据;
分组模块,用于按照数据种类对所述目标信息进行拆分,得到至少两组待处理数据;
算法模块,所述算法模块包括至少三种算法模型,用于将所述至少两组待处理数据中的一组待处理数据作为当前数据,将所述当前数据分别置于所述至少三种算法模型中进行处理,得到至少三种算法结果;
分析模块,利用预设方法处理所述至少三种算法结果,得到分析结果;
循环模块,用于将所述至少两组待处理数据中每一组待处理数据分别作为所述当前数据,得到与所述每一组待处理数据对应的分析结果;
执行模块,用于执行与每一项所述分析结果对应的方案。
可选的,所述分析模块还包括:
获取子模块,用于获取所述当前数据在至少三种算法模型中的至少三种准确度;
分析子模块,用于分析所述至少三种准确度中,小于0.5的准确度的目标数量;
计算子模块,用于计算所述目标数量与所述数据模型的数量的比值,当所述比值小于0.5时,所述分析结果为可信度低;
当所述比值大于0.5时,所述分析结果为可信度高。
再一方面,本发明实施例提供了一种服务器,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如下步骤。
获取目标信息,其中,所述目标信息包括用户通过客户端发送的数据;
按照数据种类对所述目标信息进行拆分,得到至少两组待处理数据;
将所述至少两组待处理数据中的一组待处理数据作为当前数据,将所述当前数据分别置于所述至少三种算法模型中进行处理,得到至少三种算法结果;
利用预设方法处理所述至少三种算法结果,得到分析结果;
将所述至少两组待处理数据中每一组待处理数据分别作为所述当前数据,得到与所述每一组待处理数据对应的分析结果;
执行与每一项所述分析结果对应的方案。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field -Programmable GateArray,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的多租户工作流引擎服务方法方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的多租户工作流引擎服务方法方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (7)
1.一种多算法智能研判方法,其特征在于,包括:
获取目标信息,其中,所述目标信息包括用户通过客户端发送的数据;
按照数据种类对所述目标信息进行拆分,得到至少两组待处理数据;
将所述至少两组待处理数据中的一组待处理数据作为当前数据,将所述当前数据分别置于所述至少三种算法模型中进行处理,得到至少三种算法结果;
利用预设方法处理所述至少三种算法结果,得到分析结果;
将所述至少两组待处理数据中每一组待处理数据分别作为所述当前数据,得到与所述每一组待处理数据对应的分析结果;
执行与每一项所述分析结果对应的方案。
2.根据权利要求1所述的多算法智能研判方法,其特征在于,用户通过客户端发送的数据为传感器数据或多媒体数据。
3.根据权利要求1所述的多算法智能研判方法,其特征在于,所述算法模型与所述当前数据的种类匹配,所述算法模型用于计算所述当前数据的准确度。
4.根据权利要求3所述的多算法智能研判方法,其特征在于,所述预设方法为:
获取所述当前数据在至少三种算法模型中的至少三种准确度,其中,每一种算法模型计算得出一种所述准确度,且所述算法模型的数量与所述准确的的数量相等;
获取所述至少三种准确度中,小于0.5的准确度的目标数量;
计算所述目标数量与所述数据模型的数量的比值,当所述比值小于0.5时,所述分析结果为可信度低;
当所述比值大于0.5时,所述分析结果为可信度高。
5.一种多算法智能研判系统,其特征在于,包括:
获取模块,用于获取目标信息,其中,所述目标信息包括用户通过客户端发送的数据;
分组模块,用于按照数据种类对所述目标信息进行拆分,得到至少两组待处理数据;
算法模块,所述算法模块包括至少三种算法模型,用于将所述至少两组待处理数据中的一组待处理数据作为当前数据,将所述当前数据分别置于所述至少三种算法模型中进行处理,得到至少三种算法结果;
分析模块,利用预设方法处理所述至少三种算法结果,得到分析结果;
循环模块,用于将所述至少两组待处理数据中每一组待处理数据分别作为所述当前数据,得到与所述每一组待处理数据对应的分析结果;
执行模块,用于执行与每一项所述分析结果对应的方案。
6.根据权利要求5所述的多算法智能研判系统,其特征在于,所述分析模块还包括:
获取子模块,用于获取所述当前数据在至少三种算法模型中的至少三种准确度;
分析子模块,用于分析所述至少三种准确度中,小于0.5的准确度的目标数量;
计算子模块,用于计算所述目标数量与所述数据模型的数量的比值,当所述比值小于0.5时,所述分析结果为可信度低;
当所述比值大于0.5时,所述分析结果为可信度高。
7.一种服务器,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168389.XA CN110909798A (zh) | 2019-11-25 | 2019-11-25 | 一种多算法智能研判方法、系统及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911168389.XA CN110909798A (zh) | 2019-11-25 | 2019-11-25 | 一种多算法智能研判方法、系统及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110909798A true CN110909798A (zh) | 2020-03-24 |
Family
ID=69819408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911168389.XA Pending CN110909798A (zh) | 2019-11-25 | 2019-11-25 | 一种多算法智能研判方法、系统及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909798A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554520A (zh) * | 2021-07-28 | 2021-10-26 | 厦门海晟融创信息技术有限公司 | 人工智能赋能下的智慧农业生产系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451266A (zh) * | 2017-07-31 | 2017-12-08 | 北京京东尚科信息技术有限公司 | 用于处理数据方法及其设备 |
CN109657978A (zh) * | 2018-12-19 | 2019-04-19 | 重庆誉存大数据科技有限公司 | 一种风险识别方法和系统 |
CN109740914A (zh) * | 2018-12-28 | 2019-05-10 | 武汉金融资产交易所有限公司 | 一种金融业务评估、推荐的方法、存储介质、设备及系统 |
-
2019
- 2019-11-25 CN CN201911168389.XA patent/CN110909798A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451266A (zh) * | 2017-07-31 | 2017-12-08 | 北京京东尚科信息技术有限公司 | 用于处理数据方法及其设备 |
CN109657978A (zh) * | 2018-12-19 | 2019-04-19 | 重庆誉存大数据科技有限公司 | 一种风险识别方法和系统 |
CN109740914A (zh) * | 2018-12-28 | 2019-05-10 | 武汉金融资产交易所有限公司 | 一种金融业务评估、推荐的方法、存储介质、设备及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554520A (zh) * | 2021-07-28 | 2021-10-26 | 厦门海晟融创信息技术有限公司 | 人工智能赋能下的智慧农业生产系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598008B (zh) | 录制数据的数据质检方法及装置、存储介质 | |
CN112163480B (zh) | 一种行为识别方法及装置 | |
CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN110941978A (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN110796053B (zh) | 视频检测方法、装置、电子设备及计算机可读存储介质 | |
CN111339368B (zh) | 基于视频指纹的视频检索方法、装置和电子设备 | |
CN110895811B (zh) | 一种图像篡改检测方法和装置 | |
CN111666816A (zh) | 物流件状态的检测方法、装置以及设备 | |
CN113076961B (zh) | 一种图像特征库更新方法、图像检测方法和装置 | |
CN116015842A (zh) | 一种基于用户访问行为的网络攻击检测方法 | |
CN114663871A (zh) | 图像识别方法、训练方法、装置、系统及存储介质 | |
CN111444362B (zh) | 恶意图片拦截方法、装置、设备和存储介质 | |
CN110909798A (zh) | 一种多算法智能研判方法、系统及服务器 | |
CN111368128A (zh) | 目标图片的识别方法、装置和计算机可读存储介质 | |
CN110163183B (zh) | 目标检测算法的评估方法、装置、计算机设备和存储介质 | |
CN114638304A (zh) | 图像识别模型的训练方法、图像识别方法及装置 | |
CN115294505A (zh) | 风险物体检测及其模型的训练方法、装置及电子设备 | |
CN111708988B (zh) | 侵权视频识别方法、装置、电子设备及存储介质 | |
CN114461833A (zh) | 图片取证方法、装置、计算机设备及存储介质 | |
CN114445669A (zh) | 一种烟火告警方法、装置、电子设备及存储介质 | |
CN111259689B (zh) | 用于发送信息的方法和装置 | |
CN113449506A (zh) | 一种数据检测方法、装置、设备及可读存储介质 | |
JP7108566B2 (ja) | デジタルエビデンス管理方法およびデジタルエビデンス管理システム | |
CN108920700B (zh) | 一种虚假图片识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |