CN111126373A - 基于跨模态识别技术的互联网短视频判违装置及方法 - Google Patents
基于跨模态识别技术的互联网短视频判违装置及方法 Download PDFInfo
- Publication number
- CN111126373A CN111126373A CN201911335108.5A CN201911335108A CN111126373A CN 111126373 A CN111126373 A CN 111126373A CN 201911335108 A CN201911335108 A CN 201911335108A CN 111126373 A CN111126373 A CN 111126373A
- Authority
- CN
- China
- Prior art keywords
- violation
- video
- module
- cross
- information
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000012015 optical character recognition Methods 0.000 claims abstract description 21
- 238000003058 natural language processing Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008451 emotion Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了基于跨模态识别技术的互联网短视频判违装置,采用跨模态识别统一框架,包括视频采集模块,用于快速采集视频和下载网上视频并进行解码处理;包括人脸识别模块、物体识别模块、行为识别模块、OCR技术模块、语音识别模块、自然语言处理模块、判违结果显示模块;人脸识别模块、物体识别模块、行为识别模块、OCR技术模块、语音识别模块、自然语言处理模块的处理过程均运行在高性能的GPU计算平台上。本发明具有快速视频采集和判别处理、能判别多种类别的违规视频、能批量大规模处理短视频、能生成近期违规词汇统计图,协助用户做决策、能进行多维度加密,防止违规信息外泄等功能。
Description
技术领域
本发明应用于人工智能及网络信息安全领域,涉及人脸识别、物体识别、行为识别、OCR、语音识别、NLP等跨模态识别和信息融合技术,从而实现对海量短视频准确、快速、批量判违的功能,具体是一种基于跨模态识别技术的互联网短视频判违装置及方法。
背景技术
随着移动互联网的普及以及4G技术的成熟,越来越多的人参与到通过分享短视频来进行社交的潮流中来。在网上分享短视频的成本非常低,使得短视频内容的安全性缺乏保障,很多视频会存在暴力、恐怖、毒品、黄色、政治谣言等不安全因素,这些东西在网上传播速度快,传播的范围广,对国民的意识形态有很大危害。但是由于短视频本身具有数量多,种类杂,质量层次不齐的特点,用肉眼去判别,效率低且不准确。而传统的短视频判违装置,仅仅通过视频的MD5值和标题来判违,准确度不高,会有很大遗漏。要想做好短视频判违装置,必须要基于视频的内容,解决违规视频类别多、违规内容种类多等难题。
目前对于短视频判违有需求的客户群体很多,比如公安网安、网信办等政府监管部门、视频内容生产、传播运营商等。这就要求互联网短视频判违装置,必须要能处理格式多样的短视频、在视频采集和判别时要非常快速、能够批量大规模处理海量的短视频、要有很高的准确度并且也要有很高的安全性。
发明内容
本发明的目的在于克服以上存在的技术问题,提供一种基于跨模态识别技术的互联网短视频判违装置。
为实现上述目的,本发明采用如下的技术方案:
基于跨模态识别技术的互联网短视频判违装置,采用跨模态识别统一框架,包括视频采集模块,用于快速采集视频和下载网上视频并进行解码处理;人脸识别模块,用以识别视频中的人脸信息;物体识别模块,用以标注视频中的物体信息;行为识别模块,用于标注视频中的行为信息;OCR技术模块,用以将字幕转化为文本;语音识别模块,用以将视频中的音频信息转化为文本;自然语言处理模块,用以将文本和样本库进行对比,进行判违和判级;判违结果显示模块,用以呈现违规视频的具体内容,包括视频的标题、违规的类别、违规的等级;高性能GPU,所述高性能GPU采用多线程多进程并行计算技术,能批量大规模处理海量短视频;所述人脸识别模块、物体识别模块、行为识别模块、OCR技术模块、语音识别模块、自然语言处理模块的处理过程均在高性能GPU进行。
进一步地,所述视频采集模块为视频快采设备,用于快速采集和下载短视频,并兼容多种视频格式。
进一步地,所述视频格式包括AVI、WMV、RM、RMVB、MPEG2、MP4视频格式。
进一步地,还包括信息统计分析模块,用于对7天内违规信息中高频主题词和敏感词生成形信息统计分析图。
进一步地,还包括加密模块,所述加密模块采用多维度加密技术,保护用户所有数据,防止违规信息外泄。
进一步地,所述判违和判级分为三级,三级最高,一级最低。
本发明还提供一种基于跨模态识别技术的互联网短视频判违方法,包括以下步骤:
step1:视频采集,视频快速采集设备对本地视频资源快速采集或者高速下载互联网短视频;
step2:解码处理,对短视频资源进行解码处理;
step3:并行处理,处理所有解码后的短视频;
step4:跨模态处理,对所有视频分别同时进行跨模态处理,对每个视频中的视频信息采用人脸识别、物体识别、行为识别、OCR识别技术,对音频信息采用语音识别技术,将这些信息转化成文本;
step5:跨模态判违,对文本信息采用NLP技术,进行判违;
step6:输出结果,将每个视频判违的结果呈现出来,包括是否违规、违规种类、违规等级以及高频词汇信息统计分析图;
step7:多维度加密,对用户所有数据加密,防止违规信息外泄。
进一步地,所述step3:并行处理的具体方法如下:
将采集的大量短视频并进行解码处理后,采用多线程多进程并行计算技术,批量大规模处理海量短视频,并且将人脸识别、物体识别、行为识别、OCR识别、语音识别过程放在高性能GPU上进行,使得信息处理更加快速。
进一步地,所述step5:跨模态判违的具体方法为:
step51:采用大量的训练数据集训练出Ltem神经网络模型,用于精确的文本判违;
step52:采用违规短视频特征与神经网络模型融合的技术,对每一级依据视频违规类别分别构建敏感词库和主题词库;
step53:通过文本分类、文本过滤,将大量无效的文本信息清理;
step54:再通过词库比对,对文本是否涉及主题词汇、敏感信息进行一个初步分析;
step55:利用Lstm神经网络模型对文本情感倾向性进行分析,来进一步判断视频的内容是否违规;
step56:再通过所有类别的违规词汇分别在文本中所占的比重来判断视频违规的类别;
step57:最后,根据违规视频被判断出来的类别,找出相对应的违规词汇出现的位置来判断视频违规的程度,如果有出现在三级样本库的违规词汇,则判为三级;如果没有出现在三级样本库的违规词汇,但有出现在二级样本库的违规词汇,则判为二级;如果只出现在一级样本库则判为一级。
进一步地,所述step7:多维度加密采用AES算法。
本发明与现有技术相比,具有以下几个方面的优点:
(1)视频采集和判别非常快速;
(2)能批量大规模处理短视频;
(3)能判别多种类别的违规视频;
(4)能生成近期违规词汇统计图,协助用户做决策;
(5)能进行多维度加密,防止违规信息外泄。
附图说明
图1:本发明基于跨模态识别技术的互联网短视频判违装置的架构示意图。
图2:本发明基于跨模态识别技术的互联网短视频判违方法的流程示意图。
图3:本发明视频的并行处理过程示意图。
图4:本发明视频的跨模态处理和判违过程示意图。
具体实施方式
下面结合附图以及实施例对本发明进行详细说明。
实施例一:
如图1所示,基于跨模态识别技术的互联网短视频判违装置,采用跨模态识别统一框架,快速、准确地判违,包括视频采集模块,用于快速采集视频和下载网上视频并进行解码处理;人脸识别模块,用以识别视频中的人脸信息;物体识别模块,用以标注视频中的物体信息;行为识别模块,用于标注视频中的行为信息;OCR技术模块,用以将字幕转化为文本;语音识别模块,用以将视频中的音频信息转化为文本;自然语言处理模块,用以将文本和样本库进行对比,进行判违和判级,为三级,三级最高,一级最低;判违结果显示模块,用以呈现违规视频的具体内容,包括视频的标题、违规的类别、违规的等级;高性能GPU,所述高性能GPU采用多线程多进程并行计算技术,能批量大规模处理海量短视频;所述人脸识别模块、物体识别模块、行为识别模块、OCR技术模块、语音识别模块、自然语言处理模块的处理过程均在高性能GPU进行,高性能GPU上采用多线程多进程并行计算技术,能批量大规模处理海量短视频。
优选地,所述视频采集模块为视频快采设备,用于快速采集和下载短视频,并兼容多种视频格式,所述视频格式包括AVI、WMV、RM、RMVB、MPEG2、MP4视频格式。
优选地,还包括信息统计分析模块,用于对7天内违规信息中高频主题词和敏感词生成形信息统计分析图。
优选地,还包括加密模块,所述加密模块采用多维度加密技术,保护用户所有数据,防止违规信息外泄。
实施例二:
如图2-4所示,基于跨模态识别技术的互联网短视频判违方法,包括以下步骤:
step1:视频采集,视频快速采集设备对本地视频资源快速采集或者高速下载互联网短视频;
step2:解码处理,对短视频资源进行解码处理;
step3:并行处理,处理所有解码后的短视频;具体的处理方法如下:
如图3所示,将采集的大量短视频并进行解码处理后,采用多线程多进程并行计算技术,批量大规模处理海量短视频,并且将人脸识别、物体识别、行为识别、OCR识别、语音识别过程放在高性能GPU上进行,使得信息处理更加快速。
step4:跨模态处理,对所有视频分别同时进行跨模态处理,对每个视频中的视频信息采用人脸识别、物体识别、行为识别、OCR识别技术,对音频信息采用语音识别技术,将这些信息转化成文本;
step5:跨模态判违,对文本信息采用NLP技术,进行判违,如图4所示,对每个视频中的视频信息通过关键帧截取技术转化为一系列图像,采用人脸识别、物体识别、行为识别、OCR识别等技术分别获得对应的人脸标注文本、物体标注文本、行为标注文本、字幕文本,对音频信息采用语音识别技术获得音频信息文本。具体的判违方法如下:
step51:采用大量的训练数据集训练出Ltem神经网络模型,用于精确的文本判违;
step52:采用违规短视频特征与神经网络模型融合的技术,对每一级依据视频违规类别分别构建敏感词库和主题词库;
step53:通过文本分类、文本过滤,将大量无效的文本信息清理;
step54:再通过词库比对,对文本是否涉及主题词汇、敏感信息进行一个初步分析;
step55:利用Lstm神经网络模型对文本情感倾向性进行分析,来进一步判断视频的内容是否违规;
step56:再通过所有类别的违规词汇分别在文本中所占的比重来判断视频违规的类别;
step57:最后,根据违规视频被判断出来的类别,找出相对应的违规词汇出现的位置来判断视频违规的程度,如果有出现在三级样本库的违规词汇,则判为三级;如果没有出现在三级样本库的违规词汇,但有出现在二级样本库的违规词汇,则判为二级;如果只出现在一级样本库则判为一级。
step6:输出结果,将每个视频判违的结果呈现出来,包括是否违规、违规种类、违规等级以及高频词汇信息统计分析图;
step7:多维度加密,多维度加密采用AES算法对用户所有数据加密,防止违规信息外泄。
最后应说明的是:以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案;因此,尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明,但是,本领域的普通技术人员应当理解,仍然可以对本发明进行修改或等同替换;而一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围中。
Claims (10)
1.基于跨模态识别技术的互联网短视频判违装置,其特征在于:采用跨模态识别统一框架,包括视频采集模块,用于快速采集视频和下载网上视频并进行解码处理;人脸识别模块,用以识别视频中的人物信息;物体识别模块,用以标注视频中的物体信息;行为识别模块,用于标注视频中的行为信息;OCR技术模块,用以将字幕转化为文本;语音识别模块,用以将视频中的音频信息转化为文本;自然语言处理模块,用以将文本和样本库进行对比,进行判违和判级;判违结果显示模块,用以呈现违规视频的具体内容,包括视频的标题、违规的类别、违规的等级;高性能GPU,所述高性能GPU采用多线程多进程并行计算技术,能批量大规模处理海量短视频;所述人脸识别模块、物体识别模块、行为识别模块、OCR技术模块、语音识别模块、自然语言处理模块的处理过程均在高性能GPU计算平台上运行。
2.根据权利要求1所述的基于跨模态识别技术的互联网短视频判违装置,其特征在于:所述视频采集模块为视频快采设备,用于快速采集和下载短视频,并兼容多种互联网短视频格式。
3.根据权利要求2所述的基于跨模态识别技术的互联网短视频判违装置,其特征在于:所述视频格式包括AVI、WMV、RM、RMVB、MPEG2、MP4视频格式。
4.根据权利要求1所述的基于跨模态识别技术的互联网短视频判违装置,其特征在于:还包括信息统计分析模块,用于对7-30天内违规信息中高频主题词和敏感词生成形信息统计分析图。
5.根据权利要求1所述的基于跨模态识别技术的互联网短视频判违装置,其特征在于:还包括加密模块,所述加密模块采用多维度加密技术,保护用户所有数据,防止违规信息外泄。
6.根据权利要求1所述的基于跨模态识别技术的互联网短视频判违装置,其特征在于:所述判违和判级分为三级,三级最高,一级最低。
7.基于跨模态识别技术的互联网短视频判违方法,其特征在于,包括以下步骤:
step1:视频采集,视频快速采集设备对本地视频资源快速采集或者高速下载互联网短视频;
step2:解码处理,对短视频资源进行解码处理;
step3:并行处理,处理所有解码后的短视频;
step4:跨模态处理,对所有视频分别同时进行跨模态处理,对每个视频中的视频信息采用人脸识别、物体识别、行为识别、OCR识别技术,对音频信息采用语音识别技术,将这些信息转化成文本;
step5:跨模态判违,对文本信息采用NLP技术,进行判违;
step6:输出结果,将每个视频判违的结果呈现出来,包括是否违规、违规种类、违规等级以及高频词汇信息统计分析图;
step7:多维度加密,对用户所有数据加密,防止违规信息外泄。
8.根据权利要求7所述的基于跨模态识别技术的互联网短视频判违方法,其特征在于,所述step3:并行处理的具体方法如下:
将采集的大量短视频并进行解码处理后,采用多线程多进程并行计算技术,批量大规模处理海量短视频,并且将人脸识别、物体识别、行为识别、OCR识别、语音识别过程放在高性能GPU上运行,使得信息处理更加快速。
9.根据权利要求7所述的基于跨模态识别技术的互联网短视频判违方法,其特征在于,所述step5:跨模态判违的具体方法为:
step51:采用大量的训练数据集训练出Ltem神经网络模型,用于精确的文本判违;
step52:采用违规短视频特征与神经网络模型融合的技术,对每一级依据视频违规类别分别构建敏感词库和主题词库;
step53:通过文本分类、文本过滤,将大量无效的文本信息清理;
step54:再通过词库比对,对文本是否涉及主题词汇、敏感信息进行一个初步分析;
step55:利用Lstm神经网络模型对文本情感倾向性进行分析,来进一步判断视频的内容是否违规;
step56:再通过所有类别的违规词汇分别在文本中所占的比重来判断视频违规的类别;
step57:最后,根据违规视频被判断出来的类别,找出相对应的违规词汇出现的位置来判断视频违规的程度,如果有出现在三级样本库的违规词汇,则判为三级;如果没有出现在三级样本库的违规词汇,但有出现在二级样本库的违规词汇,则判为二级;如果只出现在一级样本库则判为一级。
10.根据权利要求7所述的基于跨模态识别技术的互联网短视频判违方法,其特征在于,所述step7:多维度加密采用AES算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911335108.5A CN111126373A (zh) | 2019-12-23 | 2019-12-23 | 基于跨模态识别技术的互联网短视频判违装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911335108.5A CN111126373A (zh) | 2019-12-23 | 2019-12-23 | 基于跨模态识别技术的互联网短视频判违装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126373A true CN111126373A (zh) | 2020-05-08 |
Family
ID=70501623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911335108.5A Pending CN111126373A (zh) | 2019-12-23 | 2019-12-23 | 基于跨模态识别技术的互联网短视频判违装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126373A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010293A (zh) * | 2021-03-19 | 2021-06-22 | 广州万协通信息技术有限公司 | 一种多线程并发数据加解密处理方法、装置及存储介质 |
CN113610080A (zh) * | 2021-08-04 | 2021-11-05 | 北京邮电大学 | 基于跨模态感知的敏感图像识别方法、装置、设备及介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222101A (zh) * | 2011-06-22 | 2011-10-19 | 北方工业大学 | 一种视频语义挖掘方法 |
CN105389558A (zh) * | 2015-11-10 | 2016-03-09 | 中国人民解放军信息工程大学 | 一种视频检测方法及装置 |
CN106055541A (zh) * | 2016-06-29 | 2016-10-26 | 清华大学 | 一种新闻内容敏感词过滤方法及系统 |
CN106202372A (zh) * | 2016-07-08 | 2016-12-07 | 中国电子科技网络信息安全有限公司 | 一种网络文本信息情感分类的方法 |
CN106886579A (zh) * | 2017-01-23 | 2017-06-23 | 北京航空航天大学 | 实时流式文本分级监控方法和装置 |
CN106973305A (zh) * | 2017-03-20 | 2017-07-21 | 广东小天才科技有限公司 | 一种视频中不良内容的检测方法及装置 |
CN107305555A (zh) * | 2016-04-20 | 2017-10-31 | 中国移动通信集团河北有限公司 | 数据处理方法及装置 |
CN107506454A (zh) * | 2017-08-29 | 2017-12-22 | 央视国际网络无锡有限公司 | 一种计算机文本及多媒体信息安全自动预警系统 |
CN107529068A (zh) * | 2016-06-21 | 2017-12-29 | 北京新岸线网络技术有限公司 | 视频内容鉴别方法及系统 |
CN107609736A (zh) * | 2017-08-09 | 2018-01-19 | 广州思涵信息科技有限公司 | 一种综合应用人工智能技术的教学诊断分析系统及方法 |
CN108419091A (zh) * | 2018-03-02 | 2018-08-17 | 北京未来媒体科技股份有限公司 | 一种基于机器学习的视频内容审核方法及装置 |
CN109151502A (zh) * | 2018-10-11 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 识别违规视频方法、装置、终端和计算机可读存储介质 |
CN109635171A (zh) * | 2018-12-13 | 2019-04-16 | 成都索贝数码科技股份有限公司 | 一种新闻节目智能标签的融合推理系统和方法 |
CN109919106A (zh) * | 2019-03-11 | 2019-06-21 | 同济大学 | 渐进式目标精细识别与描述方法 |
CN109977416A (zh) * | 2019-04-03 | 2019-07-05 | 中山大学 | 一种多层次自然语言反垃圾文本方法及系统 |
CN110275958A (zh) * | 2019-06-26 | 2019-09-24 | 北京市博汇科技股份有限公司 | 网站信息识别方法、装置和电子设备 |
CN110418161A (zh) * | 2019-08-02 | 2019-11-05 | 广州虎牙科技有限公司 | 视频审核方法及装置、电子设备及可读存储介质 |
CN110598651A (zh) * | 2019-09-17 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及存储介质 |
-
2019
- 2019-12-23 CN CN201911335108.5A patent/CN111126373A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222101A (zh) * | 2011-06-22 | 2011-10-19 | 北方工业大学 | 一种视频语义挖掘方法 |
CN105389558A (zh) * | 2015-11-10 | 2016-03-09 | 中国人民解放军信息工程大学 | 一种视频检测方法及装置 |
CN107305555A (zh) * | 2016-04-20 | 2017-10-31 | 中国移动通信集团河北有限公司 | 数据处理方法及装置 |
CN107529068A (zh) * | 2016-06-21 | 2017-12-29 | 北京新岸线网络技术有限公司 | 视频内容鉴别方法及系统 |
CN106055541A (zh) * | 2016-06-29 | 2016-10-26 | 清华大学 | 一种新闻内容敏感词过滤方法及系统 |
CN106202372A (zh) * | 2016-07-08 | 2016-12-07 | 中国电子科技网络信息安全有限公司 | 一种网络文本信息情感分类的方法 |
CN106886579A (zh) * | 2017-01-23 | 2017-06-23 | 北京航空航天大学 | 实时流式文本分级监控方法和装置 |
CN106973305A (zh) * | 2017-03-20 | 2017-07-21 | 广东小天才科技有限公司 | 一种视频中不良内容的检测方法及装置 |
CN107609736A (zh) * | 2017-08-09 | 2018-01-19 | 广州思涵信息科技有限公司 | 一种综合应用人工智能技术的教学诊断分析系统及方法 |
CN107506454A (zh) * | 2017-08-29 | 2017-12-22 | 央视国际网络无锡有限公司 | 一种计算机文本及多媒体信息安全自动预警系统 |
CN108419091A (zh) * | 2018-03-02 | 2018-08-17 | 北京未来媒体科技股份有限公司 | 一种基于机器学习的视频内容审核方法及装置 |
CN109151502A (zh) * | 2018-10-11 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 识别违规视频方法、装置、终端和计算机可读存储介质 |
CN109635171A (zh) * | 2018-12-13 | 2019-04-16 | 成都索贝数码科技股份有限公司 | 一种新闻节目智能标签的融合推理系统和方法 |
CN109919106A (zh) * | 2019-03-11 | 2019-06-21 | 同济大学 | 渐进式目标精细识别与描述方法 |
CN109977416A (zh) * | 2019-04-03 | 2019-07-05 | 中山大学 | 一种多层次自然语言反垃圾文本方法及系统 |
CN110275958A (zh) * | 2019-06-26 | 2019-09-24 | 北京市博汇科技股份有限公司 | 网站信息识别方法、装置和电子设备 |
CN110418161A (zh) * | 2019-08-02 | 2019-11-05 | 广州虎牙科技有限公司 | 视频审核方法及装置、电子设备及可读存储介质 |
CN110598651A (zh) * | 2019-09-17 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
于江德 等: "无人机测量系统及其数据处理技术研究", 北京:中国协和医科大学出版社, pages: 190 - 193 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010293A (zh) * | 2021-03-19 | 2021-06-22 | 广州万协通信息技术有限公司 | 一种多线程并发数据加解密处理方法、装置及存储介质 |
CN113010293B (zh) * | 2021-03-19 | 2023-08-22 | 广州万协通信息技术有限公司 | 一种多线程并发数据加解密处理方法、装置及存储介质 |
CN113610080A (zh) * | 2021-08-04 | 2021-11-05 | 北京邮电大学 | 基于跨模态感知的敏感图像识别方法、装置、设备及介质 |
CN113610080B (zh) * | 2021-08-04 | 2023-08-25 | 北京邮电大学 | 基于跨模态感知的敏感图像识别方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105426356B (zh) | 一种目标信息识别方法和装置 | |
CN112765485A (zh) | 网络社会事件预测方法、系统、终端、计算机设备及介质 | |
Yang et al. | Efficient video integrity analysis through container characterization | |
CN107896335B (zh) | 基于大数据技术的视频检测和评级方法 | |
López et al. | Digital video source identification based on container’s structure analysis | |
US20150205862A1 (en) | Method and device for recognizing and labeling peaks, increases, or abnormal or exceptional variations in the throughput of a stream of digital documents | |
CN111126373A (zh) | 基于跨模态识别技术的互联网短视频判违装置及方法 | |
Rhee | Detection of spliced image forensics using texture analysis of median filter residual | |
CN112016317A (zh) | 基于人工智能的敏感词识别方法、装置及计算机设备 | |
CN111914649A (zh) | 人脸识别的方法及装置、电子设备、存储介质 | |
CN112052911A (zh) | 识别图像中暴恐内容的方法、装置、电子设备和存储介质 | |
CN109766715B (zh) | 一种面向大数据环境隐私信息防泄露自动识别方法及系统 | |
CN111259216B (zh) | 一种信息识别方法、装置及设备 | |
Bu et al. | Combating online misinformation videos: Characterization, detection, and future directions | |
CN117725161A (zh) | 文本中变种词的识别及提取敏感词的方法和系统 | |
CN109918638B (zh) | 一种网络数据监测方法 | |
CN115510032A (zh) | 一种基于机器学习的数据库行为分析方法及系统 | |
CN115314268A (zh) | 基于流量指纹和行为的恶意加密流量检测方法和系统 | |
CN110633466B (zh) | 基于语义分析的短信犯罪识别方法、系统和可读存储介质 | |
CN115730104A (zh) | 直播间处理方法、装置、设备及介质 | |
CN110674269A (zh) | 一种线索信息管控方法及系统 | |
Azri et al. | Including images into message veracity assessment in social media | |
CN114021651B (zh) | 一种基于深度学习的区块链违法信息感知方法 | |
KR102661402B1 (ko) | 인공지능 기반 침입 탐지 시스템 및 방법 | |
CN113095342B (zh) | 基于误判样本图片的审核模型优化方法、装置及服务器 |
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 |