CN111967493B - 图像审核方法、装置、电子设备和存储介质 - Google Patents

图像审核方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111967493B
CN111967493B CN202010606433.7A CN202010606433A CN111967493B CN 111967493 B CN111967493 B CN 111967493B CN 202010606433 A CN202010606433 A CN 202010606433A CN 111967493 B CN111967493 B CN 111967493B
Authority
CN
China
Prior art keywords
image
target image
service
tag information
verticals
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.)
Active
Application number
CN202010606433.7A
Other languages
English (en)
Other versions
CN111967493A (zh
Inventor
孙昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010606433.7A priority Critical patent/CN111967493B/zh
Publication of CN111967493A publication Critical patent/CN111967493A/zh
Priority to JP2021084866A priority patent/JP7223056B2/ja
Priority to US17/343,176 priority patent/US20210295085A1/en
Priority to EP21178932.6A priority patent/EP3879451A3/en
Priority to KR1020210080046A priority patent/KR102537568B1/ko
Application granted granted Critical
Publication of CN111967493B publication Critical patent/CN111967493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种图像审核方法、装置、电子设备和存储介质，涉及深度学习、人工智能、计算机视觉及自然语言处理技术领域，可以应用在图像审核领域相关的场景中。该方案为：获取待审核的目标图像；对目标图像进行打标签，以获取目标图像的多个标签信息；获取目标图像试图投放的至少一个业务垂类；识别多个标签信息中是否包含业务垂类所排斥的标签信息；若多个标签信息中包含业务垂类所排斥的标签信息，则审核目标图像在业务垂类为违禁图像。本申请能够通过同时获取目标图像的多个标签信息，以针对不同的业务垂类，动态地对目标图像是否违禁进行审核，提高了图像审核的灵活性和准确性，达到了针对不同的业务垂类，进行更加贴切地图像审核的目的。

Description

图像审核方法、装置、电子设备和存储介质
技术领域
本申请的实施例总体上涉及图像处理技术领域，并且更具体地涉及深度学习、人工智能、计算机视觉及自然语言处理技术领域。
背景技术
近年来，随着摄像终端的普及、自媒体的蓬勃发展以及互联网资源的丰富，发布视频或者图像为已经成为了用户的重要娱乐和交流方式。于此同时，社交媒体、论坛、直播网站等平台的图像审核需求也应运而生。准确地为用户上传的视频中的每帧图像或者用户上传的图片进行审核，能够起到确保网络信息健康、维护版权等重要作用。因此，如何提高图像审核过程中的准确性，已成为了重要的研究方向之一。
发明内容
本申请提供了一种图像审核方法、装置、电子设备和存储介质。
根据第一方面，提供了一种图像审核方法，包括：
获取待审核的目标图像；
对所述目标图像进行打标签，以获取所述目标图像的多个标签信息；
获取所述目标图像试图投放的至少一个业务垂类；
识别所述多个标签信息中是否包含所述业务垂类所排斥的标签信息；以及
若所述多个标签信息中包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为违禁图像。
根据第二方面，提供了一种图像审核装置，包括：
目标图像获取模块，用于获取待审核的目标图像；
标签信息获取模块，用于对所述目标图像进行打标签，以获取所述目标图像的多个标签信息；
业务垂类获取模块，用于获取所述目标图像试图投放的至少一个业务垂类；
第一识别模块，用于识别所述多个标签信息中是否包含所述业务垂类所排斥的标签信息；以及
审核模块，用于若所述多个标签信息中包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为违禁图像。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请第一方面所述的图像审核方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请第一方面所述的图像审核方法。
根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本申请第一方面所述的图像审核方法。
本申请提供的实施例，至少具有如下有益技术效果：
根据本申请实施例的图像审核方法，可以通过获取待审核的目标图像，并对目标图像进行打标签，以获取目标图像的多个标签信息，然后获取目标图像试图投放的至少一个业务垂类，进而识别多个标签信息中是否包含业务垂类所排斥的标签信息，并在识别多个标签信息中包含业务垂类所排斥的标签信息时，则审核目标图像在业务垂类为违禁图像，实现对图像的审核处理。由此，本申请能够通过同时获取目标图像的多个标签信息，以针对不同的业务垂类，动态地对目标图像是否违禁进行审核，获取到目标图像在多个业务垂类下不同的审核结果，提高了图像审核的灵活性和准确性，达到了针对不同的业务垂类，进行更加贴切地图像审核的目的。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例的示意图；
图2是一种目标图像的多个标签信息的示意图；
图3是根据本申请第二实施例的示意图；
图4是一种图像片段的示意图；
图5是另一种目标图像的多个标签信息的示意图；
图6是根据本申请第三实施例的示意图；
图7是根据本申请第四实施例的示意图；
图8是一种目标图像的文本信息的示意图；
图9是另一种目标图像的文本信息的示意图；
图10是根据本申请第五实施例的示意图；
图11是用来实现本申请实施例的图像审核方法的图像审核装置的框图；
图12是用来实现本申请实施例的图像审核方法的图像审核装置的框图；
图13是用来实现本申请实施例的图像审核电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的图像审核方法、装置、电子设备和存储介质。
图1是根据本申请第一实施例的示意图。其中，需要说明的是，本实施例的图像审核方法的执行主体为图像审核装置，图像审核装置具体可以为硬件设备，或者硬件设备中的软件等。其中，硬件设备例如终端设备、服务器等。如图1所示，本实施例提出的图像审核方法，包括如下步骤：
S101、获取待审核的目标图像。
其中，待审核的目标图像可以为任一图像，又例如，可以对任一视频，例如教学视频和影视剧作品视频等视频，进行解码、抽帧后，得到一帧帧的图像，并选取其中的任一帧图像作为目标图像。
需要说明的是，在试图获取目标图像时，可以获取本地或者远程存储区域中预先存储的图像作为目标图像，也可以直接拍摄图像作为目标图像。可选地，可以从本地或者远程视频库、图像库中至少一处获取存储的视频或者图像，以获取目标图像；可选地，也可以直接拍摄图像作为目标图像。本申请实施例对获取待审核的目标图像的方式不做限定，可以根据实际情况进行选择。
S102、对目标图像进行打标签，以获取目标图像的多个标签信息。
其中，打标签，指的是通过深度学习技术，为图像添加详细、具体的标签以补充图像内容分类的过程。
本申请实施例中，可以将目标图像输入至少一个预先训练好的模型中，为目标图像进行打标签，以获取目标图像的多个标签信息。
举例而言，如图2所示，对目标图像进行打标签，可以获取目标图像如足球明星、足球、女性等实体标签，还可以包括如性感、足球赛事等这类表征图像语义内容的标签，如图2所示，可以为目标图像打出海外足球明星11-1、性感的足球宝贝11-2和足球12-1、足球赛事12-2等多个标签信息。
S103、获取目标图像试图投放的至少一个业务垂类。
其中，业务垂类可以包括但不限于以下至少一种：旅游垂类、体育垂类、动漫垂类和教学垂类等。
需要说明的是，属于同一业务垂类下的业务专注于服务相似的用户群体，同时也具有相似的图像审核关注方向及尺度，相应的，不同业务垂类对于相同的目标图像的图像审核关注方向及尺度也是不同的。
举例而言，篮球比赛直播业务与足球论坛业务属于同一业务垂类，同时也具有相似的图像审核关注方向及尺度；少儿科普知识读物业务与明星真人秀播放业务属于不同业务垂类，也具有不同的图像审核关注方向及尺度。
S104、识别多个标签信息中是否包含业务垂类所排斥的标签信息。
本申请实施例中，在获取到目标图像的多个标签信息和目标图像试图投放的至少一个业务垂类后，可以按照预先设定的图像审核标准，识别多个标签信息中是否包含业务垂类所排斥的标签信息。
其中，图像审核标准中至少包括该业务垂类所排斥的标签信息。例如，教学垂类所排斥的标签信息可以设置为：性感、自杀、暴力等。
S105、若多个标签信息中包含业务垂类所排斥的标签信息，则审核目标图像在业务垂类为违禁图像。
需要说明的是，当多个标签信息中包含业务垂类所排斥的标签信息时，仅能够确定目标图像在该业务垂类为违禁图像。
举例而言，获取到目标图像的标签信息为性感的足球宝贝时，审核目标图像在教学垂类为违禁图像，而在体育垂类为合格(非违禁)图像。
根据本申请实施例的图像审核方法，可以通过获取待审核的目标图像，并对目标图像进行打标签，以获取目标图像的多个标签信息，然后获取目标图像试图投放的至少一个业务垂类，进而识别多个标签信息中是否包含业务垂类所排斥的标签信息，并在识别多个标签信息中包含业务垂类所排斥的标签信息时，则审核目标图像在业务垂类为违禁图像，实现对图像的审核处理。由此，本申请能够通过同时获取目标图像的多个标签信息，以针对不同的业务垂类，动态地对目标图像是否违禁进行审核，获取到目标图像在多个业务垂类下不同的审核结果，提高了图像审核的灵活性和准确性，达到了针对不同的业务垂类，进行更加贴切地图像审核的目的。
需要说明的是，本申请中，在试图获取目标图像的多个标签信息时，可以对目标图像进行分割，以获取至少一个图像片段，进而通过将图像片段输入至对应的所述识别通道中，以获取目标图像的多个标签信息。
作为一种可能的实现方式，如图3所示，在上述实施例的基础上，上述步骤S102中获取目标图像的多个标签信息的过程，具体包括以下步骤：
S201、对目标图像进行分割，以获取至少一个图像片段。
可选地，可以对目标图像进行连通域(Connected Component)识别，获取每个连通域中内容的相关性，并根据相关性对目标图像进行分割，以获取至少一个图像片段。
其中，连通域一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像域(Blob)。连通域识别是指将图像中的各个连通域找出并标记的过程。也就是说，在需要将前景目标提取出来以便后续进行处理的应用场景中都能够用到连通域识别方法，通常连通域识别处理的对象是一张二值化后的图像。
举例而言，如图4所示，对图2中所示的目标图像进行分割，可以得到13-1至13-3，共三个图像片段。
S202、对图像片段进行图像识别，以获取图像片段所对应的识别通道。
其中，识别通道，指的是包含有对图像片段进行图像识别的识别模型的通道，例如包含场景识别模型的通道、包含人物识别模型的通道、包含物品识别模型的通道和包含动物识别模型的通道等。
需要说明的是，一个图像片段可能对应多个识别通道，也就是说，一个图像片段可能对应多个识别模型。举例而言，图4中示出的图像片段13-2对应的识别通道可以为人物识别模型和物品识别模型。
S203、将图像片段输入至对应的识别通道中，由识别通道对应的识别模型对图像片段进行打标签，以获取目标图像的多个标签信息。
需要说明的是，若一个图像片段对应多个识别通道，则可以将该图像片段依次输入至对应的多个识别通道中。
举例而言，如图5所示，图4中示出的图像片段13-2对应的识别通道分别为包含人物识别模型和物品识别模型的通道，可选地，可以首先将图像片段13-2输入至人物识别模型对应的识别通道中，由人物识别模型对图像片段13-2进行打标签，获取标签信息足球14-1；进一步地，可以将图像片段13-2再输入至物品识别模型对应的识别通道中，由物品识别模型对图像片段13-2进行打标签，获取标签信息性感的足球宝贝14-2。
作为另一种可能的实现方式，可以将目标图像输入识别模型中，并分别输入识别模型中的多个子识别模型中，由多个子识别模型，对目标图像进行打标签，以获取多个标签信息。
其中，子识别模型可以包括以下子模型中的至少一个：场景子识别模型、人物子识别模型、物品子识别模型和动物子识别模型等。
根据本申请实施例的图像审核方法，可以通过对目标图像进行分割，以获取至少一个图像片段，并对图像片段进行图像识别，以获取图像片段所对应的识别通道，进而将图像片段输入至对应的识别通道中，由识别通道对应的识别模型对图像片段进行打标签，以获取目标图像的多个标签信息。由此，本申请能够通过将分割得到的图像片段输入至少一个对应的识别通道中，同时获取目标图像的多个标签信息，实现为一个目标图像打出多个标签的目的，进一步提高了图像审核的灵活性和准确性。
需要说明的是，本申请中，在试图识别多个标签信息中是否包含业务垂类所排斥的标签信息时，可以根据业务垂类对应的投放策略，识别多个标签信息中是否包含业务垂类排斥的标签信息。
作为一种可能的实现方式，如图6所示，在上述实施例的基础上，上述步骤S104中识别多个标签信息中是否包含业务垂类所排斥的标签信息的过程，具体包括以下步骤：
S301、获取业务垂类的投放策略，其中，投放策略中至少包括业务垂类所排斥的标签信息。
本申请实施例中，用户可以上传业务垂类的投放策略，相应的，可以接收该业务垂类的投放策略，并从中提取业务垂类所排斥的标签信息。
S302、根据投放策略，识别多个标签信息中是否包含业务垂类排斥的标签信息。
需要说明的是，若目标图像的多个标签信息中的任一标签信息，或者任一标签信息中的部分信息为该业务垂类所排斥的标签信息，则识别多个标签信息中是否包含业务垂类所排斥的标签信息。
举例而言，教学垂类所排斥的标签信息为性感，此时，获取到目标图像的标签信息为性感的足球宝贝或者性感的女教师，识别结果均为包含教学垂类所排斥的标签信息。
根据本申请实施例的图像审核方法，可以通过获取业务垂类的投放策略，其中，投放策略中至少包括业务垂类所排斥的标签信息；根据投放策略，识别多个标签信息中是否包含业务垂类排斥的标签信息。由此，本申请能够通过根据不同业务垂类对应的投放策略，灵活地对目标图像的多个标签信息中是否包含业务垂类排斥的标签信息进行识别，从而能够实现针对不同的业务垂类，动态地对目标图像是否违禁进行审核，以获取到目标图像在多个业务垂类下不同的审核结果，进一步提高了图像审核的灵活性和准确性。
需要说明的是，本申请中，为了能够更加全面地对目标图像进行分析，在获取目标图像的多个标签信息的基础上，还可以对目标图像中的文本信息进行提取，进而结合目标图像的文本信息和多个标签信息，识别目标图像在业务垂类是否为违禁图像。
作为一种可能的实现方式，如图7所示，在上述实施例的基础上，识别目标图像在业务垂类是否为违禁图像的过程，具体包括以下步骤：
S401、对目标图像中的文本信息进行提取。
可选地，在试图对目标图像中的文本信息进行提取时，可以采用光学字符识别(Optical Character Recognition，简称OCR)方法，对目标图像中的文本信息进行提取，以获取到目标图像的文本信息。
举例而言，如图8所示，通过OCR方法，可以对目标图像中的文本信息进行提取，以获取到目标图像的以下文本信息：2014(年)15-1、Brasil(巴西)15-2、FIFA WORD CUP(世界杯)15-3和世界杯梦幻阵容15-4。
需要说明的是，在试图对目标图像中的文本信息进行提取时，若目标图像中包含链接等信息，通过OCR方法还可以获取到链接中的锚文本(Anchor Text)信息。
举例而言，如图9所示，通过OCR方法，可以对目标图像中的文本信息进行提取，以获取到目标图像的以下文本信息：2014(年)15-1、Brasil(巴西)15-2、FIFA WORD CUP(世界杯)15-3、世界杯梦幻阵容15-4以及锚文本“点击进入”15-5。
S402、根据文本信息和多个标签信息，识别目标图像在业务垂类是否为违禁图像。
可选地，可以将获取到的文本信息和多个标签信息与业务垂类所排斥的标签信息进行比较，若识别获取到的文本信息或者多个标签信息中包含业务垂类所排斥的标签信息，则审核目标图像在业务垂类为违禁图像；若识别获取到的文本信息和多个标签信息中均未包含业务垂类所排斥的标签信息，则审核目标图像在业务垂类为合格图像。
根据本申请实施例的图像审核方法，可以通过对目标图像中的文本信息进行提取，并根据文本信息和多个标签信息，识别目标图像在业务垂类是否为违禁图像。由此，本申请能够通过对目标图像中的文本信息进行提取，以在目标图像的多个标签信息的基础上，结合目标图像的文本信息，识别目标图像在业务垂类是否为违禁图像，使得能够更加全面、准确地对目标图像进行分析，进一步提高了图像审核的灵活性和准确性。
图10是根据本申请第五实施例的示意图。如图10所示，在上述实施例的基础上，本实施例提出的图像审核方法，包括如下步骤：
S501、获取待审核的目标图像。
S502、对目标图像进行分割，以获取至少一个图像片段。
S503、对图像片段进行图像识别，以获取图像片段所对应的识别通道。
S504、将图像片段输入至对应的识别通道中，由识别通道对应的识别模型对图像片段进行打标签，以获取目标图像的多个标签信息。
S505、对目标图像中的文本信息进行提取，以获取目标图像的文本信息。
S506、获取目标图像试图投放的至少一个业务垂类。
S507、获取业务垂类的投放策略，其中，投放策略中至少包括业务垂类所排斥的标签信息。
S508、根据投放策略、多个标签信息和文本信息，识别目标图像在业务垂类是否为违禁图像。
可选地，若识别目标图像在业务垂类为违禁图像，则可以执行步骤S509；若识别目标图像在业务垂类为非违禁图像，则可以执行步骤S510。
S509、输出识别结果。
需要说明的是，在试图输出识别结果时，可以输出“该图片为违禁图片”或者“图片未通过审核”等文字信息或者语音信息。进一步地，在输出识别结果的同时，还可以输出目标图像被识别为违禁的原因，以帮助用户具有针对性地更换目标图片，例如可以输出“该图片中包含色情信息，属于违禁图片”等提示。
S510、获取业务垂类的至少一个投放位置，在其中一个投放位置上投放目标图像。
可选地，若识别目标图像在业务垂类为非违禁图像，则可以获取业务垂类的至少一个投放位置，并下发开启该投放位置的指令，以在其中一个投放位置上投放目标图像。
需要说明的是，关于步骤S501～S509的介绍可参见上述实施例中的相关记载，此处不再赘述。
需要说明的是，本申请提出的图像审核方法，可以运用于多种图像审核领域相关的场景中。
针对自动化图像审核应用场景，可以在通过人工智能(ArtificialIntelligence，简称AI)技术获取目标视频后，结合自然语言处理技术及计算机视觉技术自动对目标图像进行打标签及文本信息的提取，进而根据多个标签信息和文本信息，识别目标图像在业务垂类是否为违禁图像，以实现图像的自动审核，使得自动化图像审核过程不再依赖任何人工干预，能够实现够针对不同的业务垂类，完全、彻底地动态自动化图像审核，提升了自动化图像审核效率及准确性，极大地降低了人工成本。
针对短视频类应用程序应用场景，可以在获取到用户通过智能手机等终端上传的目标图像，自动对目标图像进行打标签及文本信息的提取，进而根据多个标签信息和文本信息，识别目标图像在业务垂类是否为违禁图像。进一步地，若识别用户上传的目标图像为违禁图像，则可以在输出识别结果的同时，输出目标图像被识别为违禁的原因，以帮助用户具有针对性地更换目标图片，由此，能够明显地降低用户因不熟知该业务垂类的图像审核规则导致目标图像无法如期投放，甚至被处罚的风险，同时也为用户在该业务垂类下的图像上传习惯提供了几集的引导，极大地提升了用户体验。
根据本申请实施例的图像审核方法，可以通过获取待审核的目标图像，并对目标图像进行打标签，以获取目标图像的多个标签信息，然后获取目标图像试图投放的至少一个业务垂类，进而识别多个标签信息中是否包含业务垂类所排斥的标签信息，并在识别多个标签信息中包含业务垂类所排斥的标签信息时，则审核目标图像在业务垂类为违禁图像，实现对图像的审核处理。由此，本申请能够通过同时获取目标图像的多个标签信息，以针对不同的业务垂类，动态地对目标图像是否违禁进行审核，获取到目标图像在多个业务垂类下不同的审核结果，提高了图像审核的灵活性和准确性，达到了针对不同的业务垂类，进行更加贴切地图像审核的目的。
与上述几种实施例提供的图像审核方法相对应，本申请的一个实施例还提供一种图像审核装置，由于本申请实施例提供的图像审核装置与上述几种实施例提供的图像审核方法相对应，因此在图像审核方法的实施方式也适用于本实施例提供的图像审核装置，在本实施例中不再详细描述。图11～图12是根据本申请一个实施例的图像审核装置的结构示意图。
如图11所示，该图像审核装置1000，包括：目标图像获取模块100、标签信息获取模块200、业务垂类获取模块300、第一识别模块400和审核模块500。其中：
目标图像获取模块100，用于获取待审核的目标图像；
标签信息获取模块200，用于对所述目标图像进行打标签，以获取所述目标图像的多个标签信息；
业务垂类获取模块300，用于获取所述目标图像试图投放的至少一个业务垂类；
第一识别模块400，用于识别所述多个标签信息中是否包含所述业务垂类所排斥的标签信息；以及
审核模块500，用于若所述多个标签信息中包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为违禁图像。
在本申请的实施例中，如图12所示，图11中的标签信息获取模块200，包括：图像片段获取单元210，用于对所述目标图像进行分割，以获取至少一个图像片段；识别通道获取单元220，用于对所述图像片段进行图像识别，以获取所述图像片段所对应的识别通道；标签信息获取单元230，用于将所述图像片段输入至对应的所述识别通道中，由所述识别通道对应的识别模型对所述图像片段进行打标签，以获取所述目标图像的所述多个标签信息。
在本申请的实施例中，如图12所示，图11中的图像片段获取单元210，包括：图像片段获取子单元211，用于对所述目标图像进行连通域识别，获取每个连通域中内容的相关性，根据所述相关性对所述目标图像进行分割，以获取所述至少一个图像片段。
在本申请的实施例中，如图12所示，图11中的标签信息获取单元230，包括：标签信息获取子单元231，用于将所述目标图像输入识别模型中，并分别输入所述识别模型中的多个子识别模型中，由所述多个子识别模型，对所述目标图像进行打标签，以获取所述多个标签信息。
在本申请的实施例中，如图12所示，图11中的第一识别模块400，包括：投放策略获取单元410，用于获取所述业务垂类的投放策略，其中，所述投放策略中至少包括所述业务垂类所排斥的标签信息；标签信息识别单元420，根据所述投放策略，识别所述多个标签信息中是否包含所述业务垂类排斥的标签信息。
在本申请的实施例中，如图12所示，本申请提出的图像审核装置1000，还包括：提取模块600，用于对所述目标图像中的文本信息进行提取；第二识别模块700，根据所述文本信息和所述多个标签信息，识别所述目标图像在所述业务垂类是否为违禁图像。
在本申请的实施例中，如图12所示，本申请提出的图像审核装置1000，还包括：投放模块800，用于若所述目标图像在所述业务垂类非违禁图像，则获取所述业务垂类的至少一个投放位置，在其中一个投放位置上投放所述目标图像。
根据本申请实施例的图像审核装置，可以通过获取待审核的目标图像，并对目标图像进行打标签，以获取目标图像的多个标签信息，然后获取目标图像试图投放的至少一个业务垂类，进而识别多个标签信息中是否包含业务垂类所排斥的标签信息，并在识别多个标签信息中包含业务垂类所排斥的标签信息时，则审核目标图像在业务垂类为违禁图像，实现对图像的审核处理。由此，本申请能够通过同时获取目标图像的多个标签信息，以针对不同的业务垂类，动态地对目标图像是否违禁进行审核，获取到目标图像在多个业务垂类下不同的审核结果，提高了图像审核的灵活性和准确性，达到了针对不同的业务垂类，进行更加贴切地图像审核的目的。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图13所示，是根据本申请实施例的图像审核电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图13所示，该电子设备包括：一个或多个处理器1100、存储器1200，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图13中以一个处理器1100为例。
存储器1200即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的图像审核方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像审核方法。
存储器1200作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像审核方法对应的程序指令/模块(例如，附图11所示的目标图像获取模块100、标签信息获取模块200、业务垂类获取模块300、第一识别模块400和审核模块500)。处理器1100通过运行存储在存储器1200中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像审核方法。
存储器1200可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据定位电子设备的使用所创建的数据等。此外，存储器1200可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1200可选包括相对于处理器1100远程设置的存储器，这些远程存储器可以通过网络连接至定位电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像审核电子设备还可以包括：输入装置1300和输出装置1400。处理器1100、存储器1200、输入装置1300和输出装置1400可以通过总线或者其他方式连接，图13中以通过总线连接为例。
输入装置1300可接收输入的数字或字符信息，以及产生与定位电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1400可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本申请还提供一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上所述的图像审核方法。
根据本申请实施例的图像审核方法，可以通过获取待审核的目标图像，并对目标图像进行打标签，以获取目标图像的多个标签信息，然后获取目标图像试图投放的至少一个业务垂类，进而识别多个标签信息中是否包含业务垂类所排斥的标签信息，并在识别多个标签信息中包含业务垂类所排斥的标签信息时，则审核目标图像在业务垂类为违禁图像，实现对图像的审核处理。由此，本申请能够通过同时获取目标图像的多个标签信息，以针对不同的业务垂类，动态地对目标图像是否违禁进行审核，获取到目标图像在多个业务垂类下不同的审核结果，提高了图像审核的灵活性和准确性，达到了针对不同的业务垂类，进行更加贴切地图像审核的目的。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种图像审核方法，其中，包括：
获取待审核的目标图像；
将所述目标图像输入识别模型中，并分别输入所述识别模型中的多个子识别模型中，由所述多个子识别模型，对所述目标图像进行打标签，以获取多个标签信息；
获取所述目标图像试图投放的至少一个业务垂类，其中，属于同一业务垂类下的业务专注于服务相似的用户群体，同时也具有相似的图像审核关注方向及尺度，相应的，不同业务垂类对于相同的目标图像的图像审核关注方向及尺度也是不同的；
识别所述多个标签信息中是否包含所述业务垂类所排斥的标签信息；以及
若所述多个标签信息中包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为违禁图像，当多个所述标签信息中包含业务垂类所排斥的标签信息时，仅确定所述目标图像在该所述业务垂类为所述违禁图像；
还包括：
对所述目标图像中的文本信息进行提取，将获取到的所述文本信息和所述多个标签信息与所述业务垂类所排斥的标签信息进行比较；
若识别获取到的所述文本信息或者所述多个标签信息中包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为所述违禁图像，并输出所述目标图像被识别为违禁的原因；
若识别获取到的所述文本信息和所述多个标签信息中均未包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为合格图像。
2.根据权利要求1所述的图像审核方法，其中，所述对所述目标图像进行打标签，以获取所述目标图像的多个标签信息，包括：
对所述目标图像进行分割，以获取至少一个图像片段；
对所述图像片段进行图像识别，以获取所述图像片段所对应的识别通道；
将所述图像片段输入至对应的所述识别通道中，由所述识别通道对应的识别模型对所述图像片段进行打标签，以获取所述目标图像的所述多个标签信息。
3.根据权利要求1所述的图像审核方法，其中，所述对所述目标图像进行分割，以获取至少一个图像片段，包括：
对所述目标图像进行连通域识别，获取每个连通域中内容的相关性，根据所述相关性对所述目标图像进行分割，以获取所述至少一个图像片段。
4.根据权利要求1所述的图像审核方法，其中，所述识别所述多个标签信息中是否包含所述业务垂类所排斥的标签信息，包括：
获取所述业务垂类的投放策略，其中，所述投放策略中至少包括所述业务垂类所排斥的标签信息；
根据所述投放策略，识别所述多个标签信息中是否包含所述业务垂类排斥的标签信息。
5.根据权利要求1-4任一项所述的图像审核方法，其中，还包括：
若所述目标图像在所述业务垂类非违禁图像，则获取所述业务垂类的至少一个投放位置，在其中一个投放位置上投放所述目标图像。
6.一种图像审核装置，其中，包括：
目标图像获取模块，用于获取待审核的目标图像；
标签信息获取模块，用于将所述目标图像输入识别模型中，并分别输入所述识别模型中的多个子识别模型中，由所述多个子识别模型，对所述目标图像进行打标签，以获取多个标签信息；
业务垂类获取模块，用于获取所述目标图像试图投放的至少一个业务垂类，其中，属于同一业务垂类下的业务专注于服务相似的用户群体，同时也具有相似的图像审核关注方向及尺度，相应的，不同业务垂类对于相同的目标图像的图像审核关注方向及尺度也是不同的；
第一识别模块，用于识别所述多个标签信息中是否包含所述业务垂类所排斥的标签信息；以及
审核模块，用于若所述多个标签信息中包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为违禁图像，当多个所述标签信息中包含业务垂类所排斥的标签信息时，仅确定所述目标图像在该所述业务垂类为所述违禁图像；
还包括：
提取模块，用于对所述目标图像中的文本信息进行提取；
第二识别模块，用于根据所述文本信息和所述多个标签信息，识别所述目标图像在所述业务垂类是否为违禁图像；
所述第二识别模块，还用于将获取到的所述文本信息和所述多个标签信息与所述业务垂类所排斥的标签信息进行比较，若识别获取到的所述文本信息或者所述多个标签信息中包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为所述违禁图像，并输出所述目标图像被识别为违禁的原因，若识别获取到的所述文本信息和所述多个标签信息中均未包含所述业务垂类所排斥的标签信息，则审核所述目标图像在所述业务垂类为合格图像。
7.根据权利要求6所述的图像审核装置，其中，所述标签信息获取模块，包括：
图像片段获取单元，用于对所述目标图像进行分割，以获取至少一个图像片段；
识别通道获取单元，用于对所述图像片段进行图像识别，以获取所述图像片段所对应的识别通道；
标签信息获取单元，用于将所述图像片段输入至对应的所述识别通道中，由所述识别通道对应的识别模型对所述图像片段进行打标签，以获取所述目标图像的所述多个标签信息。
8.根据权利要求6所述的图像审核装置，其中，图像片段获取单元，包括：
图像片段获取子单元，用于对所述目标图像进行连通域识别，获取每个连通域中内容的相关性，根据所述相关性对所述目标图像进行分割，以获取所述至少一个图像片段。
9.根据权利要求6所述的图像审核装置，其中，所述第一识别模块，包括：
投放策略获取单元，用于获取所述业务垂类的投放策略，其中，所述投放策略中至少包括所述业务垂类所排斥的标签信息；
标签信息识别单元，根据所述投放策略，识别所述多个标签信息中是否包含所述业务垂类排斥的标签信息。
10.根据权利要求6-9所述的图像审核装置，其中，还包括：
投放模块，用于若所述目标图像在所述业务垂类非违禁图像，则获取所述业务垂类的至少一个投放位置，在其中一个投放位置上投放所述目标图像。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的图像审核方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的图像审核方法。
CN202010606433.7A 2020-06-29 2020-06-29 图像审核方法、装置、电子设备和存储介质 Active CN111967493B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010606433.7A CN111967493B (zh) 2020-06-29 2020-06-29 图像审核方法、装置、电子设备和存储介质
JP2021084866A JP7223056B2 (ja) 2020-06-29 2021-05-19 画像審査方法、装置、電子機器及び記憶媒体
US17/343,176 US20210295085A1 (en) 2020-06-29 2021-06-09 Image moderation method, electronic device, and storage medium
EP21178932.6A EP3879451A3 (en) 2020-06-29 2021-06-11 Image moderation method, image moderation apparatus, electronic device, and storage medium
KR1020210080046A KR102537568B1 (ko) 2020-06-29 2021-06-21 이미지 심사 방법, 장치, 전자 기기 및 저장 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010606433.7A CN111967493B (zh) 2020-06-29 2020-06-29 图像审核方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111967493A CN111967493A (zh) 2020-11-20
CN111967493B true CN111967493B (zh) 2024-08-16

Family

ID=73361014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010606433.7A Active CN111967493B (zh) 2020-06-29 2020-06-29 图像审核方法、装置、电子设备和存储介质

Country Status (5)

Country Link
US (1) US20210295085A1 (zh)
EP (1) EP3879451A3 (zh)
JP (1) JP7223056B2 (zh)
KR (1) KR102537568B1 (zh)
CN (1) CN111967493B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112579771B (zh) * 2020-12-08 2024-05-07 腾讯科技（深圳）有限公司 一种内容的标题检测方法及装置
CN114821378B (zh) * 2021-01-22 2024-02-23 百度在线网络技术（北京）有限公司 图像审核方法、装置、电子设备以及存储介质
CN113010721B (zh) * 2021-03-17 2023-10-10 北京百度网讯科技有限公司 一种图片审核方法、装置、电子设备及存储介质
CN113850162B (zh) * 2021-09-10 2023-03-24 北京百度网讯科技有限公司 一种视频审核方法、装置及电子设备
CN115565201B (zh) * 2022-04-18 2024-03-26 荣耀终端有限公司 禁忌图片识别方法、设备及存储介质
CN115358751B (zh) * 2022-08-22 2023-04-28 中电金信软件有限公司 一种交易单据的自动审核方法、装置及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259292A (zh) * 2020-02-13 2020-06-09 京东数字科技控股有限公司 图像呈现控制方法和装置

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05159101A (ja) * 1991-11-01 1993-06-25 Fuji Xerox Co Ltd 文書論理構造認識および文書内容認識のための装置および方法
JP2006092002A (ja) * 2004-09-21 2006-04-06 Nec Corp 画像オークション装置、画像オークション方法及びそのプログラム
US8358846B2 (en) * 2007-11-13 2013-01-22 Symantec Corporation Scanning images for pornography
EP2614464A2 (de) * 2010-09-10 2013-07-17 ATG Advanced Swiss Technology Group AG Verfahren zum auffinden und digitalen auswerten von illegalem bildmaterial
JP5823270B2 (ja) * 2011-11-30 2015-11-25 Kddi株式会社 画像認識装置及び方法
CN103312770B (zh) * 2013-04-19 2017-05-03 无锡成电科大科技发展有限公司 一种云平台资源审核的方法
US9530082B2 (en) * 2015-04-24 2016-12-27 Facebook, Inc. Objectionable content detector
CN105740402B (zh) * 2016-01-28 2018-01-02 百度在线网络技术（北京）有限公司 数字图像的语义标签的获取方法及装置
US20180189597A1 (en) * 2016-12-30 2018-07-05 Facebook, Inc. Training an Image Classifier
US10489685B1 (en) * 2017-02-22 2019-11-26 Symantec Corporation Image data identifiers and validators for data loss prevention
EP3425559A3 (en) * 2017-07-07 2019-03-20 Accenture Global Solutions Limited Image content moderation
CN107688960A (zh) * 2017-07-31 2018-02-13 上海与德科技有限公司 共享广告牌投放内容的审核系统及服务器
US10643074B1 (en) * 2018-06-08 2020-05-05 Amazon Technologies, Inc. Automated video ratings
JP7130488B2 (ja) * 2018-07-31 2022-09-05 グローリー株式会社 画像処理装置、画像処理方法、および、画像処理プログラム
JP6730395B2 (ja) * 2018-09-25 2020-07-29 楽天株式会社 情報処理装置、情報処理方法、プログラム、記憶媒体
CN111277877A (zh) * 2018-11-20 2020-06-12 慧盾信息安全科技（苏州）股份有限公司 一种基于内容识别的多媒体显示大屏安全防护系统和方法
CN109523281A (zh) * 2018-11-26 2019-03-26 北京拓世寰宇网络技术有限公司 一种确定房源图片类别的方法及装置
CN109597902A (zh) * 2018-12-20 2019-04-09 深圳市丰巢科技有限公司 图片审核方法、装置、设备及存储介质
CN110766340A (zh) * 2019-10-31 2020-02-07 支付宝(杭州)信息技术有限公司 一种业务审核方法、装置及设备
CN111310026A (zh) * 2020-01-17 2020-06-19 南京邮电大学 一种基于人工智能的涉黄涉恐监测方法
US11423265B1 (en) * 2020-06-30 2022-08-23 Amazon Technologies, Inc. Content moderation using object detection and image classification

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111259292A (zh) * 2020-02-13 2020-06-09 京东数字科技控股有限公司 图像呈现控制方法和装置

Also Published As

Publication number Publication date
KR20210087001A (ko) 2021-07-09
US20210295085A1 (en) 2021-09-23
EP3879451A2 (en) 2021-09-15
CN111967493A (zh) 2020-11-20
JP2021144724A (ja) 2021-09-24
EP3879451A3 (en) 2021-12-22
JP7223056B2 (ja) 2023-02-15
KR102537568B1 (ko) 2023-05-26

Similar Documents

Publication Publication Date Title
CN111967493B (zh) 图像审核方法、装置、电子设备和存储介质
US11722727B2 (en) Special effect processing method and apparatus for live broadcasting, and server
CN111967302B (zh) 视频标签的生成方法、装置及电子设备
CN111931591B (zh) 用于构建关键点学习模型的方法、装置、电子设备及可读存储介质
CN111107392B (zh) 视频处理方法、装置和电子设备
CN112668586B (zh) 模型训练、图片处理方法及设备、存储介质、程序产品
CN111598164B (zh) 识别目标对象的属性的方法、装置、电子设备和存储介质
CN108961157B (zh) 图片处理方法、图片处理装置及终端设备
CN112241764A (zh) 图像识别方法、装置、电子设备及存储介质
CN112818224B (zh) 信息推荐方法、装置、电子设备及可读存储介质
CN103781522A (zh) 用于生成并加入经验共享的方法和系统
CN111225236B (zh) 生成视频封面的方法、装置、电子设备以及计算机可读存储介质
CN111783649B (zh) 视频类型检测方法、装置、电子设备与存储介质
CN112182297A (zh) 训练信息融合模型、生成集锦视频的方法和装置
CN111783812A (zh) 违禁图像识别方法、装置和计算机可读存储介质
CN112016521A (zh) 视频处理的方法及装置
CN108921138B (zh) 用于生成信息的方法和装置
CN110532404A (zh) 一种源多媒体确定方法、装置、设备及存储介质
CN111949820B (zh) 视频关联兴趣点的处理方法、装置及电子设备
CN114283349A (zh) 一种数据处理方法、装置、计算机设备及存储介质
CN113361303B (zh) 临时交通标志牌识别方法、装置及设备
CN111783644A (zh) 检测方法、装置、设备和计算机存储介质
CN108932704B (zh) 图片处理方法、图片处理装置及终端设备
CN112241752A (zh) 模型训练方法、数据处理方法、分类方法、装置、设备
WO2020113020A1 (en) Providing content related to objects detected in images

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
GR01 Patent grant
GR01 Patent grant