CN112347990A - 基于多模态智能审稿系统及方法 - Google Patents
基于多模态智能审稿系统及方法 Download PDFInfo
- Publication number
- CN112347990A CN112347990A CN202011377475.4A CN202011377475A CN112347990A CN 112347990 A CN112347990 A CN 112347990A CN 202011377475 A CN202011377475 A CN 202011377475A CN 112347990 A CN112347990 A CN 112347990A
- Authority
- CN
- China
- Prior art keywords
- auditing
- frame
- video
- unit
- type
- 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
- 238000000034 method Methods 0.000 title claims description 13
- 238000012550 audit Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000000306 recurrent effect Effects 0.000 claims description 2
- 230000000246 remedial effect Effects 0.000 description 25
- 238000012795 verification Methods 0.000 description 9
- 238000012552 review Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012553 document review Methods 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
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- 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
Abstract
本发明属于智能审核技术领域，尤其涉及基于多模态智能审稿系统，包括：分类单元，用于将待审核的投稿进行类型划分；切分单元，用于当划分的类型为视频类时，将投稿切分为影像文档和语音文档；关键帧提取单元，用于按照预设的算法进行关键帧提取；审核单元，用于当投稿的类型为文字类、语音类或图片类时，调用对应的审核模型对其进行审核；审核单元还用于当投稿的类型为视频类时，调用语音审核模型对切分出来的语音文档进行审核，并调用图像审核模型对提取的关键帧进行审核；报错单元，用于当审核单元的审核结果为审核未通过时，进行报错。本系统在保证审核效率的同时，还能够保证审核的质量。
Description
技术领域
本发明属于智能审核技术领域，尤其涉及基于多模态智能审稿系统及方法。
背景技术
随着互联网的高速发展，以及各互联网平台的开放性，和纸媒时代相比，如今内容制作的门槛变得较低，投稿的数量也越来越大。为了保证输出内容的符合相关规定，在接收到投稿后，需要对其内容进行审核，只有通过审核后，投稿才能进行投放和推广。
通常，投稿的审核会由专门的工作人员来负责，但是，当审核量较大时，工作人员的负担会特别大。除此，由于审核项非常多，投稿的类型也不止一类(文字类、图像类等等)，若每人只负责一个审核项，则同一个投稿需要进行很多次的审核，审核周期长、效率低、人力成本高；若每人负责多项甚至全部审核项，工作人员又容易出现疏忽，导致本该进行整改的内容却直接进行通过了审核。这样，不仅工作人员的工作量巨大，审核的效率和质量也不是很理想。
因此，需要一种基于多模态智能审稿系统及方法，在保证审核效率的同时，还能够保证审核的质量。
发明内容
本发明的目的在于，提供一种基于多模态智能审稿系统及方法，在保证审核效率的同时，还能够保证审核的质量。
本发明提供的基础方案为：
基于多模态智能审稿系统，包括：
分类单元，用于将待审核的投稿进行类型划分，划分的类型包括文字类、语音类、图像类和视频类；
切分单元，用于当划分的类型为视频类时，将投稿切分为影像文档和语音文档；
关键帧提取单元，用于按照预设的算法，对影像文档进行关键帧提取；
审核单元，审核单元内预存有文字审核模型、图像审核模型及语音审核模型，审核单元用于当投稿的类型为文字类、语音类或图片类时，调用对应的审核模型对其进行审核；审核单元还用于当投稿的类型为视频类时，调用语音审核模型对切分出来的语音文档进行审核，并调用图像审核模型对提取的关键帧进行审核；
报错单元，用于当审核单元的审核结果为审核未通过时，进行报错。
基础方案工作原理及有益效果：
内容制作者在平台上传投稿后，分类单元会根据投稿的类型对投稿进行分类。若投稿为文字类，则审核单元调用文字审核模型对其进行审核；若投稿为语音类，则审核单元调用语音审核模型对其进行审核；若投稿为图像类，则审核单元调用图像审核单元对其进行审核。
若投稿为视频类，则切分单元将投稿切分为影像文档和语音文档；审核单元调用语音审核模型对语音文档进行审核。即，审核单元对视频类投稿的语音部分单独进行审核。而关键帧提取单元则按照预设的算法，对影像文档进行关键帧提取，通过关键帧的提取，在不影响对影像文档审核的基础上，可以减少后续审核时的工作量。提取关键帧后，审核单元调用图像审核模型对关键帧进行审核。
这样，通过先对投稿进行分类，再根据分类的类型进行针对性的审核，本系统可以完成所有类型稿件的自动审核，并且，由于审核工作都是通过预设的审核模型完成，能够保证审核尺度的统一性，进而保证审核的质量。
若审核单元的审核结果为审核未通过，则报错单元进行报错，此时，可以由工作人员进行再次审核来判断是否确实存在问题。
使用本系统，在保证审核效率的同时，还能够保证审核的质量。还可以节省人力资源。
进一步，关键帧提取单元提取关键帧的预设算法为：按时间顺序逐帧读取影像文档的视频帧，并对相邻帧进行关联性分析，若相邻帧的相对变化率小于等于预设关联值则判断为具有关联性，若相邻帧的相对变化率大于预设关联值则判断为不具有关联性；之后，将具有关联性的视频帧按照时间顺序划分为多个关联视频帧序列；并按照预设的抽帧法，从关联视频帧序列中抽取出关键帧。
用这样的方式，将影像文档的视频帧按时间顺序逐帧读取后，对相邻帧进行相似性分析，并将相似性大于预设关联值的相邻帧划分在同一个关联帧视频序列中。通过这样的方式，将相似性大于等于关联至的相邻帧进行聚类，每个聚类中的视频帧都具有极强的相关性，这样，只需从每个聚类中抽取少量的视频帧进行审核，即可完成对影像文档的审核工作。与逐帧审核相比，可以节约大量的时间。
进一步，预设的抽帧法为：若关联帧视频序列长度小于第一预设长度，则随机抽取一帧视频帧作为关键帧；若关联帧视频序列长度大于第一预设长度且小于第二预设长度，则均匀的抽取X视频帧作为关键帧；若关联帧视频序列长度大于第二预设长度，则每隔Y视频帧抽取一视频帧作为关键帧。
若关联帧视频序列长度小于第一预设长度，则说明该视频帧关联序列的播放时间特别短，甚至观看者都难以察觉(人的视觉反应时的生物极限是0.15s左右)，但为了防止出现插帧这样的行为给观看者造成心理暗示，当关联帧视频序列长度小于第一预设长度时，随机抽取一帧视频帧作为关键帧，保证不会出现上述情况。
若关联帧视频序列长度大于第一预设长度且小于第二预设长度，则说明该关联帧视频序列的播放时间很短，就算每帧之间都存在偏差，第一帧与最后一帧的差距也会很小，因此，均匀的抽取X帧作为关键帧，便足以较好的对该关联帧视频序列的内容进行审核。
若关联帧视频序列长度大于第二预设长度，如果每一帧之间都存在偏差，则第一帧与最后一帧的差距会较大，为了防止内容审核不到位，每隔Y视频帧抽取一视频帧作为关键帧，以保证审核的质量。
进一步，关键帧提取单元提取关键帧的预设算法为，按时间顺序逐帧读取影像文档的视频帧，并按照预设的抽帧频率抽取出视频帧作为关键帧。
采用这样的方式，可以快速完成提取关键帧的工作。
进一步，关键帧提取单元还用于设置抽帧频率。
可以根据具体的需求，调整抽帧频率。
进一步，报错单元报错时，还展示需要整改的内容。
这样，便于工作人员进行报错内容的复核。
进一步，报错单元报错时，还标注出需要整改内容的具体位置。
便于投稿者对内容进行整改。
进一步，图像审核模型为卷积神经网络模型。
进一步，图像审核模型及文字审核模型分别为循环神经网络模型。
本发明提供的基础方案二：提供一种基于多模态智能审稿方法，使用上述基于多模态智能审稿系统。
附图说明
图1为本发明基于多模态智能审稿系统实施例一的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
如图1所示，基于多模态智能审稿系统，包括分类单元、切分单元、关键帧提取单元、审核单元和报错单元。
分类单元用于将待审核的投稿进行类型划分，划分的类型包括文字类、语音类、图像类和视频类。
切分单元用于当划分的类型为视频类时，将投稿切分为影像文档和语音文档；
关键帧提取单元用于按照预设的算法，对影像文档进行关键帧提取。本实施例中，关键帧提取单元提取关键帧的预设算法为：按时间顺序逐帧读取影像文档的视频帧，并对相邻帧进行关联性分析，若相邻帧的相对变化率小于等于预设关联值则判断为具有关联性，若相邻帧的相对变化率大于预设关联值则判断为不具有关联性；之后，将具有关联性的视频帧按照时间顺序划分为多个关联视频帧序列；并按照预设的抽帧法，从关联视频帧序列中抽取出关键帧。
其中，预设的抽帧法为：若关联帧视频序列长度小于第一预设长度，则随机抽取一帧视频帧作为关键帧；若关联帧视频序列长度大于第一预设长度且小于第二预设长度，则均匀的抽取X视频帧作为关键帧；若关联帧视频序列长度大于第二预设长度，则每隔Y视频帧抽取一视频帧作为关键帧。X、Y的数值，本领域技术人员可依据审查的具体情况具体设置。
审核单元内预存有文字审核模型、图像审核模型及语音审核模型。本实施例中，图像审核模型为卷积神经网络模型，图像审核模型及文字审核模型分别为循环神经网络模型。审核单元用于当投稿的类型为文字类、语音类或图片类时，调用对应的审核模型对其进行审核；审核单元还用于当投稿的类型为视频类时，调用语音审核模型对切分出来的语音文档进行审核，并调用图像审核模型对提取的关键帧进行审核；
报错单元用于当审核单元的审核结果为审核未通过时，进行报错。报错单元报错时，还展示需要整改的内容，并注出需要整改内容的具体位置。
具体实施过程如下：
内容制作者在平台上传投稿后，分类单元会根据投稿的类型对投稿进行分类。若投稿为文字类，则审核单元调用文字审核模型对其进行审核；若投稿为语音类，则审核单元调用语音审核模型对其进行审核；若投稿为图像类，则审核单元调用图像审核单元对其进行审核。
若投稿为视频类，则切分单元将投稿切分为影像文档和语音文档；审核单元调用语音审核模型对语音文档进行审核。即，审核单元对视频类投稿的语音部分单独进行审核。而关键帧提取单元则按照预设的算法，对影像文档进行关键帧提取。具体的，将影像文档的视频帧按时间顺序逐帧读取后，对相邻帧进行相似性分析，并将相似性大于预设关联值的相邻帧划分在同一个关联帧视频序列中。通过这样的方式，将相似性大于等于关联至的相邻帧进行聚类，每个聚类中的视频帧都具有极强的相关性，这样，只需从每个聚类中抽取少量的视频帧进行审核，即可完成对影像文档的审核工作。与逐帧审核相比，可以节约大量的时间。
通过关键帧的提取，在不影响对影像文档审核的基础上，可以减少后续审核时的工作量。提取关键帧后，审核单元调用图像审核模型对关键帧进行审核。
这样，通过先对投稿进行分类，再根据分类的类型进行针对性的审核，本系统可以完成所有类型稿件的自动审核，并且，由于审核工作都是通过预设的审核模型完成，能够保证审核尺度的统一性，进而保证审核的质量。
若审核单元的审核结果为审核未通过，则报错单元进行报错，此时，可以由工作人员进行再次审核来判断是否确实存在问题。
使用本系统，在保证审核效率的同时，还能够保证审核的质量。还可以节省人力资源。
本发明的另一目的在于，提供一种基于多模态智能审稿方法，使用上述基于多模态智能审稿系统。
实施例二
与实施例一不同的是，本实施例中，关键帧提取单元提取关键帧的预设算法为，按时间顺序逐帧读取影像文档的视频帧，并按照预设的抽帧频率抽取出视频帧作为关键帧。采用这样的方式，可以快速完成提取关键帧的工作。除此，本实施例中，关键帧提取单元还用于设置抽帧频率。这样，可以根据具体的需求，调整抽帧频率。
实施例三
与实施例一不同的是，本实施例一中，本实施例还包括用户端和补习单元；
补习单元用于向用户端发送补习资料，补习资料为视频资料；
用户端为装载对应APP的智能手机；用户端内预存有投稿者的居住定位，还用于接收补习资料；用户端还用于接收到补习资料，用户端定位为投稿者的居住定位，且接收到补习指令时，打开补习资料；
用户端内还预存有多个不同的抽查时长和多个不同的解锁方式；
用户端还用于打开补习资料后，从初始内容开始播放，若补习资料为首次打开，则将开始内容记录为初始内容；还用于播放初始内容时，随机抽取抽查时长和解锁方式，当补充资料播放的时长等于抽取出的抽查时长时，暂停播放补习资料，并展示解锁方式，若在预设时间内接收到对应的解锁数据，则继续播放，并以当前播放内容对初始内容进行更新；若在预设时间内未接收到解锁数据，则重新从初始内容播放补习资料；
用户端还用于接收到停止补习信号后，以当前播放内容对初始内容进行更新，并关闭补习资料。
用户端还用于向补习单元发送补习进度。
具体实施方式如下：
投稿者的投稿不符合审核，说明投稿者对于稿件的内容要求不了解，因此，需要对稿件的审核要求进行补习。使用本系统，当投稿者的投稿不符合审核时，补习单元向用户端发送补习资料。供投稿者进行补习。
为了保障投稿者在补习时有较好的环境，能够认真对待补习资料，只有当用户端接收到补习资料，用户端定位为投稿者的居住定位，且接收到补习指令时，才打开补习资料。这样，可以避免投稿者在路上或者嘈杂的地方进行补习，导致效果不理想。
除此，为了保障投稿者在补习的过程中保持全神贯注，用户端打开补习资料后，从初始内容开始播放，并随机抽取抽查时长和解锁方式。
当补充资料播放的时长等于抽取出的抽查时长后，暂停播放补习资料，并展示解锁方式(如按照指定的方式摇头、点头、读出指定文字等)，若在预设时间内接收到对应的解锁数据，则说明投稿者在认真补习，用户端继续播放补习资料，并以当前播放内容对初始内容进行更新，并再次随机抽取抽查时长和解锁方式，直至用户完整的学习完补习资料。若在预设时间内未接收到解锁数据，则说明投稿者没有用心补习，因此，用户端重新从初始内容播放补习资料，并再次随机抽取抽查时长和解锁方式，直至用户完整的学习完补习资料。
由于用户端是随机抽取的抽查时长和解锁方式，可以防止投稿者寻找到规律后发生作弊行为，如检查方式如果为每隔固定时间做固定动作，投稿者就可以打开补习资料后，做其他事情，待固定时间后通过固定动作来进行验证即可。
使用本系统，可以保证对投稿内容要求不了解的投稿者认真学习补习资料，从而有效减少稿件不符合审核要求的情况。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于多模态智能审稿系统，其特征在于，包括：
分类单元，用于将待审核的投稿进行类型划分，划分的类型包括文字类、语音类、图像类和视频类；
切分单元，用于当划分的类型为视频类时，将投稿切分为影像文档和语音文档；
关键帧提取单元，用于按照预设的算法，对影像文档进行关键帧提取；
审核单元，审核单元内预存有文字审核模型、图像审核模型及语音审核模型，审核单元用于当投稿的类型为文字类、语音类或图片类时，调用对应的审核模型对其进行审核；审核单元还用于当投稿的类型为视频类时，调用语音审核模型对切分出来的语音文档进行审核，并调用图像审核模型对提取的关键帧进行审核；
报错单元，用于当审核单元的审核结果为审核未通过时，进行报错。
2.根据权利要求1所述的基于多模态智能审稿系统，其特征在于：关键帧提取单元提取关键帧的预设算法为：按时间顺序逐帧读取影像文档的视频帧，并对相邻帧进行关联性分析，若相邻帧的相对变化率小于等于预设关联值则判断为具有关联性，若相邻帧的相对变化率大于预设关联值则判断为不具有关联性；之后，将具有关联性的视频帧按照时间顺序划分为多个关联视频帧序列；并按照预设的抽帧法，从关联视频帧序列中抽取出关键帧。
3.根据权利要求2所述的基于多模态智能审稿系统，其特征在于：预设的抽帧法为：若关联帧视频序列长度小于第一预设长度，则随机抽取一帧视频帧作为关键帧；若关联帧视频序列长度大于第一预设长度且小于第二预设长度，则均匀的抽取X视频帧作为关键帧；若关联帧视频序列长度大于第二预设长度，则每隔Y视频帧抽取一视频帧作为关键帧。
4.根据权利要求1所述的基于多模态智能审稿系统，其特征在于：关键帧提取单元提取关键帧的预设算法为，按时间顺序逐帧读取影像文档的视频帧，并按照预设的抽帧频率抽取出视频帧作为关键帧。
5.根据权利要求4所述的基于多模态智能审稿系统，其特征在于：关键帧提取单元还用于设置抽帧频率。
6.根据权利要求1所述的基于多模态智能审稿系统，其特征在于：报错单元报错时，还展示需要整改的内容。
7.根据权利要求6所述的基于多模态智能审稿系统，其特征在于：报错单元报错时，还标注出需要整改内容的具体位置。
8.根据权利要求1所述的基于多模态智能审稿系统，其特征在于：图像审核模型为卷积神经网络模型。
9.根据权利要求1所述的基于多模态智能审稿系统，其特征在于：图像审核模型及文字审核模型分别为循环神经网络模型。
10.基于多模态智能审稿方法，其特征在于：使用上述权利要求1-9任一项的基于多模态智能审稿系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011377475.4A CN112347990B (zh) | 2020-11-30 | 2020-11-30 | 基于多模态智能审稿系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011377475.4A CN112347990B (zh) | 2020-11-30 | 2020-11-30 | 基于多模态智能审稿系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112347990A true CN112347990A (zh) | 2021-02-09 |
| CN112347990B CN112347990B (zh) | 2024-02-02 |
Family
ID=74366160
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011377475.4A Active CN112347990B (zh) | 2020-11-30 | 2020-11-30 | 基于多模态智能审稿系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112347990B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037049A (zh) * | 2023-10-10 | 2023-11-10 | 武汉博特智能科技有限公司 | 基于YOLOv5深度学习的图像内容检测方法及系统 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101035281A (zh) * | 2007-04-19 | 2007-09-12 | 鲍东山 | 分级内容审核系统 |
| CN103345523A (zh) * | 2013-07-17 | 2013-10-09 | 温州医科大学 | 一种基于云计算的审稿系统 |
| CN104980707A (zh) * | 2015-06-25 | 2015-10-14 | 浙江立元通信技术股份有限公司 | 一种智能视频巡逻系统 |
| CN105117845A (zh) * | 2015-08-25 | 2015-12-02 | 长沙市麓智信息科技有限公司 | 专利代理机构内部管理系统 |
| CN105404896A (zh) * | 2015-11-03 | 2016-03-16 | 北京旷视科技有限公司 | 标注数据处理方法和标注数据处理系统 |
| CN106454492A (zh) * | 2016-10-12 | 2017-02-22 | 武汉斗鱼网络科技有限公司 | 一种基于延时传送的直播色情内容审核系统及方法 |
| CN106610969A (zh) * | 2015-10-21 | 2017-05-03 | 上海文广互动电视有限公司 | 基于多模态信息的视频内容审查系统及方法 |
| CN106649620A (zh) * | 2016-12-01 | 2017-05-10 | 中央电视台 | 一种文稿发布方法及系统 |
| TWI615797B (zh) * | 2016-11-11 | 2018-02-21 | 具有提升學習方便性的教學系統 | |
| CN108280681A (zh) * | 2018-01-16 | 2018-07-13 | 温州美渠传媒有限公司 | 一种基于互联网的广告投放系统 |
| CN109241487A (zh) * | 2018-11-30 | 2019-01-18 | 武汉易刊科技有限责任公司 | 一种基于期刊的线上服务方法及装置 |
| CN109558379A (zh) * | 2018-12-03 | 2019-04-02 | 北京中网易企秀科技有限公司 | 一种数据审核方法及装置 |
| JP2019135602A (ja) * | 2018-02-05 | 2019-08-15 | 株式会社日立製作所 | 情報管理システムおよび情報管理方法 |
| CN110124312A (zh) * | 2011-07-01 | 2019-08-16 | 史克威尔·艾尼克斯股份有限公司 | 内容关联信息显示系统 |
| CN110222523A (zh) * | 2019-06-26 | 2019-09-10 | 新华网(北京)科技有限公司 | 检测方法、装置、系统及计算机可读存储介质 |
| CN110837615A (zh) * | 2019-11-05 | 2020-02-25 | 福建省趋普物联科技有限公司 | 广告内容信息过滤人工智能审核系统 |
| CN111143612A (zh) * | 2019-12-27 | 2020-05-12 | 广州市百果园信息技术有限公司 | 视频审核模型训练方法、视频审核方法及相关装置 |
| WO2020215696A1 (zh) * | 2019-04-22 | 2020-10-29 | 平安科技（深圳）有限公司 | 提取视频字幕的方法、装置、计算机设备及存储介质 |
-
2020
- 2020-11-30 CN CN202011377475.4A patent/CN112347990B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101035281A (zh) * | 2007-04-19 | 2007-09-12 | 鲍东山 | 分级内容审核系统 |
| CN110124312A (zh) * | 2011-07-01 | 2019-08-16 | 史克威尔·艾尼克斯股份有限公司 | 内容关联信息显示系统 |
| CN103345523A (zh) * | 2013-07-17 | 2013-10-09 | 温州医科大学 | 一种基于云计算的审稿系统 |
| CN104980707A (zh) * | 2015-06-25 | 2015-10-14 | 浙江立元通信技术股份有限公司 | 一种智能视频巡逻系统 |
| CN105117845A (zh) * | 2015-08-25 | 2015-12-02 | 长沙市麓智信息科技有限公司 | 专利代理机构内部管理系统 |
| CN106610969A (zh) * | 2015-10-21 | 2017-05-03 | 上海文广互动电视有限公司 | 基于多模态信息的视频内容审查系统及方法 |
| CN105404896A (zh) * | 2015-11-03 | 2016-03-16 | 北京旷视科技有限公司 | 标注数据处理方法和标注数据处理系统 |
| CN106454492A (zh) * | 2016-10-12 | 2017-02-22 | 武汉斗鱼网络科技有限公司 | 一种基于延时传送的直播色情内容审核系统及方法 |
| TWI615797B (zh) * | 2016-11-11 | 2018-02-21 | 具有提升學習方便性的教學系統 | |
| CN106649620A (zh) * | 2016-12-01 | 2017-05-10 | 中央电视台 | 一种文稿发布方法及系统 |
| CN108280681A (zh) * | 2018-01-16 | 2018-07-13 | 温州美渠传媒有限公司 | 一种基于互联网的广告投放系统 |
| JP2019135602A (ja) * | 2018-02-05 | 2019-08-15 | 株式会社日立製作所 | 情報管理システムおよび情報管理方法 |
| CN109241487A (zh) * | 2018-11-30 | 2019-01-18 | 武汉易刊科技有限责任公司 | 一种基于期刊的线上服务方法及装置 |
| CN109558379A (zh) * | 2018-12-03 | 2019-04-02 | 北京中网易企秀科技有限公司 | 一种数据审核方法及装置 |
| WO2020215696A1 (zh) * | 2019-04-22 | 2020-10-29 | 平安科技（深圳）有限公司 | 提取视频字幕的方法、装置、计算机设备及存储介质 |
| CN110222523A (zh) * | 2019-06-26 | 2019-09-10 | 新华网(北京)科技有限公司 | 检测方法、装置、系统及计算机可读存储介质 |
| CN110837615A (zh) * | 2019-11-05 | 2020-02-25 | 福建省趋普物联科技有限公司 | 广告内容信息过滤人工智能审核系统 |
| CN111143612A (zh) * | 2019-12-27 | 2020-05-12 | 广州市百果园信息技术有限公司 | 视频审核模型训练方法、视频审核方法及相关装置 |
Non-Patent Citations (2)
| Title |
|---|
| 中国日报网: "百度智能云一站式全媒体审核平台来了，四大类内容全能审！", pages 1 - 3, Retrieved from the Internet <URL:https://baijiahao.baidu.com/s?id=1644370617409389136&wfr=spider&for=pc> * |
| 蛋酱: "人力成本减少30%，内容审核准确率99%，百度大脑全新发布人机协同审核管理平台", pages 1 - 8, Retrieved from the Internet <URL:https://www.jiqizhixin.com/articles/2020-05-15-6> * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117037049A (zh) * | 2023-10-10 | 2023-11-10 | 武汉博特智能科技有限公司 | 基于YOLOv5深度学习的图像内容检测方法及系统 |
| CN117037049B (zh) * | 2023-10-10 | 2023-12-15 | 武汉博特智能科技有限公司 | 基于YOLOv5深度学习的图像内容检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112347990B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Korshunov et al. | Vulnerability assessment and detection of deepfake videos | |
| CN111031346B (zh) | 一种增强视频画质的方法和装置 | |
| CN110557659B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| CN107529068A (zh) | 视频内容鉴别方法及系统 | |
| WO2023050650A1 (zh) | 动画视频生成方法、装置、设备及存储介质 | |
| CN109218629A (zh) | 视频生成方法、存储介质和装置 | |
| CN111429341B (zh) | 一种视频处理方法、设备及计算机可读存储介质 | |
| CN112507294B (zh) | 一种基于人机交互的英语教学系统及教学方法 | |
| CN109286848B (zh) | 一种终端视频信息的交互方法、装置及存储介质 | |
| JP5692074B2 (ja) | 情報分類装置、情報分類方法、及びプログラム | |
| Mai et al. | Warning: humans cannot reliably detect speech deepfakes | |
| CN112347990A (zh) | 基于多模态智能审稿系统及方法 | |
| CN111291666A (zh) | 游戏直播视频识别方法、装置、电子设备及存储介质 | |
| Altuncu et al. | Deepfake: definitions, performance metrics and standards, datasets and benchmarks, and a meta-review | |
| CN114639152A (zh) | 基于人脸识别的多模态语音交互方法、装置、设备及介质 | |
| WO2021151333A1 (zh) | 基于人工智能的敏感词识别方法、装置及计算机设备 | |
| CN115659078A (zh) | 基于人工智能的网络信息安全监控方法及系统 | |
| CN110457877B (zh) | 用户认证方法和装置、电子设备、计算机可读存储介质 | |
| CN113515670A (zh) | 影视资源状态识别方法、设备及存储介质 | |
| CN110659561A (zh) | 互联网暴恐视频识别模型的优化方法及装置 | |
| CN110879868A (zh) | 顾问方案生成方法、装置、系统、电子设备及介质 | |
| Sabernick III | Development of an autopsy forensics module for cortana artifacts analysis | |
| CN114760484B (zh) | 直播视频识别方法、装置、计算机设备和存储介质 | |
| CN110737802B (zh) | 盗版视频检测方法、装置、电子设备及存储介质 | |
| Ricker et al. | AI-Generated Faces in the Real World: A Large-Scale Case Study of Twitter Profile 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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 401120 room 701, room 1, 7 / F, building 11, No. 106, west section of Jinkai Avenue, Yubei District, Chongqing Patentee after: Space Shichuang (Chongqing) Technology Co.,Ltd. Country or region after: China Address before: 401121 17-4, building 2, No. 70, middle section of Huangshan Avenue, Yubei District, Chongqing Patentee before: Chongqing Space Visual Creation Technology Co.,Ltd. Country or region before: China |