CN112579986B - 图像侵权检测方法、设备和系统 - Google Patents
图像侵权检测方法、设备和系统 Download PDFInfo
- Publication number
- CN112579986B CN112579986B CN202011574074.8A CN202011574074A CN112579986B CN 112579986 B CN112579986 B CN 112579986B CN 202011574074 A CN202011574074 A CN 202011574074A CN 112579986 B CN112579986 B CN 112579986B
- Authority
- CN
- China
- Prior art keywords
- image
- infringement
- similarity
- images
- picture
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 239000000463 material Substances 0.000 claims abstract description 282
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 2
- 238000012552 review Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种图像侵权检测方法、设备和系统。一种图像侵权检测方法,包括:获取当前批次中需要待检测的多个素材图像;计算素材图像与图像库中存储标准图像的相似度;根据相似度判断素材图像是否是侵权图像;如果是侵权图像,则发出报警提示信息。本申请提高了图像审核的效率和准确率,避免了人工审核的精度低,低效,主观因素大,容易有疏忽的缺点。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种图像侵权检测方法、设备和系统。
背景技术
在创意供给平台上,创意公司或设计师登录到创意供给平台上,通过供给平台为企业提供服务。如果创意公司或设计师提供的图片素材中有大量的复制抄袭现有的图片,则会严重影响企业案例的质量。所以,创意供给平台往往会用大量的人工来对创意公司提供的图片素材进行人工核查,效率低下,核查精度不高。
发明内容
本申请的主要目的在于提供一种图像侵权检测方法、设备和系统,以解决人工核查图片素材效率低,准确度低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种图片侵权检测方法,包括:
获取当前批次中需要待检测的多个素材图像;
计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
根据相似度判断所述每个素材图像是否是侵权图像;
如果是侵权图像,则发出报警提示信息。
在一种实施方式中,如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
在一种实施方式中,根据所述相似度判断每个素材图像是否是侵权图像,包括:
如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;
如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
在一种实施方式中,对于每一个素材图像,所述方法还包括:
按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
将所述多个标准图像输出到人工校验平台,以进行人工再次辅助校验。
在一种实施方式中,还包括:
根据所述相似度确定风险等级;
如果相似度低于50%,则风险等级为低风险;
如果相似度大于等于50%,小于等于70%,则风险等级为中风险;
如果相似度大于70%,则风险等级为高危;
对于任意的一个素材图片,如果确定为侵权;所述方法还包括:确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
在一种实施方式中,报警提示信息,包括以下的一种或者几种:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量;
所述方法还包括:
统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分或者定性评价;
提示报警信息还包括:提示当前批次的素材图像的不合格率;以及设计方的评级打分或者定性评价;
所述方法还包括:
确定每一个侵权图片的侵权类型;
统计每一种侵权类型的图片数量;
提示报警信息还包括,每一种侵权类型的图像数量;以及该批次的图片质量。
在一种实施方式中,所述方法还包括,
采用图像检测算法对所述多个素材图像进行查重;
如果存在重复的素材图像,则删除重复的素材图像。
在一种实施方式中,还包括:
如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端。
根据本申请实施例的第二方面,本申请还提出了一种图像侵权检测装置,包括:
获取模块,用于获取当前批次中需要待检测的多个素材图像;
计算模块,用于基于图像检测算法计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
判断模块,用于根据相似度判断所述每个素材图像是否是侵权图像;
报警模块,用于如果判断模块确定是侵权图像,则发出报警提示信息。
在一种实施方式中,还包括版权状态模块,用于如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
在一种实施方式中,判断模块还用于:
如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;
如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
在一种实施方式中,还包括排序处理模块,用于对于每一个素材图像,按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
将所述多个标准图像输出到人工校验平台,以进行人工再次辅助校验。
在一种实施方式中,计算模块模块还用于:
根据所述相似度确定风险等级;
如果相似度低于50%,则风险等级为低风险;
如果相似度大于等于50%,小于等于70%,则风险等级为中风险;
如果相似度大于70%,则风险等级为高危;
判断模块还用于:
对于任意的一个素材图片,如果确定为侵权;确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
在一种实施方式中,报警模块还用于:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量;
判断模块用于:
统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分;
报警模块还用于:提示当前批次的素材图像的不合格率;以及设计方的评级打分;
判断模块还用于:
确定每一个侵权图片的侵权类型;
统计每一种侵权类型的图片数量;
报警模块还用于:报告每一种侵权类型的图像数量;以及该批次的图片质量。
在一种方式中,还包括查重模块,用于采用图像检测算法对所述多个素材图像进行查重;
如果存在重复的素材图像,则删除重复的素材图像。
在一种实施方式中,还包括发送模块,用于如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端。
根据本申请实施例的第三方面,本申请还提出了一种图像素材侵权判断设备,包括:至少一个处理器和至少一个存储器;所述存储器用于存储一个或多个程序指令;所述处理器,用于运行一个或多个程序指令,用以执行以下的步骤:
获取当前批次中需要待检测的多个素材图像;
计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
根据相似度判断所述每个素材图像是否是侵权图像;
如果是侵权图像,则发出报警提示信息。
在一种实施方式中,所述处理器还用于:如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
在一种实施方式中,所述处理器还用于:根据所述相似度判断每个素材图像是否是侵权图像,包括:
如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;
如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
在一种实施方式中,对于每一个素材图像,所述方法还包括:
按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
将所述多个标准图像输出到人工校验平台,以进行人工再次辅助校验。
在一种实施方式中,所述处理器还用于:
根据所述相似度确定风险等级;
如果相似度低于50%,则风险等级为低风险;
如果相似度大于等于50%,小于等于70%,则风险等级为中风险;
如果相似度大于70%,则风险等级为高危;
对于任意的一个素材图片,如果确定为侵权;所述方法还包括:确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
在一种实施方式中,所述处理器还用于:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量;
所述处理器还用于:
统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分或者定性评价;
提示当前批次的素材图像的不合格率;以及设计方的评级打分或者定性评价;
所述处理器还用于:
确定每一个侵权图片的侵权类型;
统计每一种侵权类型的图片数量;
发出告警信息,提示每一种侵权类型的图像数量;以及该批次的图片质量。
在一种实施方式中,所述处理器还用于:
对所述多个素材图像进行查重;
如果存在重复的素材图像,则删除重复的素材图像。
在一种实施方式中,所述处理器还用于:
如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端。
根据本申请实施例的第四方面,本申请还提出了一种图像素材侵权判断系统,包括:第一服务器、第二服务器和如上述所述的图像素材侵权判断设备;
所述图像素材侵权判断设备,用于接收第一服务器发送的素材图片;
判断所述素材图片是否是侵权图片,如果否,则将所述素材图片发送给所述第二服务器;
如果是侵权图片,则将所述素材图片发送给所述第一服务器,以使第一服务器修改所述素材图片。
根据本申请实施例的第五方面,本申请还提出了一种计算机可读存储介质,计算机可读存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行以下的步骤:
获取当前批次中需要待检测的多个素材图像;
基于图像检测算法计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
根据相似度判断所述每个素材图像是否是侵权图像;
如果是侵权图像,则发出报警提示信息。
在一种实施方式中,如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
在一种实施方式中,根据所述相似度判断每个素材图像是否是侵权图像,包括:
如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;
如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
在一种实施方式中,对于每一个素材图像,所述方法还包括:
按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
将所述多个标准图像输出到人工校验平台,以进行人工再次辅助校验。
在一种实施方式中,还包括:
根据所述相似度确定风险等级;
如果相似度低于50%,则风险等级为低风险;
如果相似度大于等于50%,小于等于70%,则风险等级为中风险;
如果相似度大于70%,则风险等级为高危;
对于任意的一个素材图片,如果确定为侵权;所述方法还包括:确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
在一种实施方式中,报警提示信息,包括以下的一种或者几种:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量;
所述方法还包括:
统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分或者定性评价;
提示报警信息还包括:提示当前批次的素材图像的不合格率;以及设计方的评级打分或者定性评价;
所述方法还包括:
确定每一个侵权图片的侵权类型;
统计每一种侵权类型的图片数量;
提示报警信息还包括,每一种侵权类型的图像数量;以及该批次的图片质量。
在一种实施方式中,所述方法还包括,
采用图像检测算法对所述多个素材图像进行查重;
如果存在重复的素材图像,则删除重复的素材图像。
在一种实施方式中,还包括:
如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端。
在本申请实施例中,通过获取当前批次中需要待检测的多个素材图像;
计算所述每个素材图像的相似度;根据相似度判断所述每个素材图像是否是侵权图像;如果是侵权图像,则发出报警提示信息,提高了图像审核的效率,避免了人工审核的精度低,低效,主观因素大,容易有疏忽的缺点。也降低了人力成本。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种图像侵权场景示意图;
图2是根据本申请实施例的一种图像侵权检测方法的流程图;
图3是根据本申请实施例的一种图像侵权检测装置的示意图;
图4是根据本申请实施例的图像侵权检测设备的示意图;
图5是根据本申请实施例的另一种侵权检测流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
创意平台上,云集了成百上千的设计师;以及企业客户。设计师可以为各个企业客户提供服务。参见附图1所示的一种创意平台应用场景示意图;设计师服务器把素材上传到创意平台;通过创意平台发送给客户。如果创意公司或设计师提供的图片素材中有大量的抄袭,则会严重影响创意平台的信用,创意平台往往会用大量的人工来对接收到的图片素材进行人工核查,效率低下,核查精度不高,长时间的审核工作带来视觉疲劳,容易疏忽造成错误,主观因素大等缺点。
基于此,本申请提出了一种图像侵权检测方法,参见附图2所示的图像侵权检测方法的流程图;该方法包括:
步骤S101,获取当前批次中需要待检测的多个素材图像;
具体地,素材图片是创意方的客户端或服务器提供的。接收到创意方提供的素材图片后,需要对多个素材图片进行审核,只有审核合格通过,才能够交付给客户。创意方提供的图片往往是分批进行,每个批次中含有多个素材图片。
步骤S102,计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
其中,可以采用神经网络实现比较两个图片的相似度。神经网络可以采用Resnet101。
神经网络包括多个交替设置的卷积层、池化层;以及合并输出层。神经网络可以提取图像的特征,将图像特征转换成对应的一组向量;将要比较的两个图片分别输入到神经网络中,分别转换成两组向量;计算两组向量值之间的余弦距离,得到计算两个向量的相似度。
步骤S103,根据相似度判断所述每个素材图像是否是侵权图像;
具体地,如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
示例性的,如果素材图片与图像库中的某个图像的相似度小于0.7,则认定为不侵权;如果素材图片与图像库中的某个图像的相似度大于0.7,则认定为侵权。
步骤S104,如果是侵权图像,则发出报警提示信息。
本发明的上述的技术方案,计算每个素材图像的相似度;根据相似度判断所述每个素材图像是否是侵权图像;如果是侵权图像,则发出报警提示信息,由机器审核代替了人工审核,提高了图像审核的效率,避免了人工审核的精度低,低效,主观因素大,容易有疏忽的缺点。
在一种实施的方式中,还可以对批次中的多个素材图像进行版权状态的标记;如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
当确定出图片素材为侵权图片时,为了进一步进行核查,可以采用人工辅助进一步核查,所以在一种实施方式中,方法还包括:
按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
其中,对于某一个待验证的素材图像;图片库中与该素材图像相似的图片比较多;有以下的两种方式来进行相似图片的输出。
一种方式为,把相似度大于预定的相似度下限阈值的图片按照预定的数量进行输出;方法包括:
统计相似度大于预定的下限阈值的总的图像的数量;
从总的图像的数量中按照预定的比例阈值确定输出的图像;
按照相似度从高到底的顺序排序依次输出。
示例性的,统计相似度大于0.5的图像的数量为100张。比例阈值为0.2,则取20张图片按照从大到小的顺序输出。
另一种方式为,把相似度大于预定的相似度上限阈值的图像输出;
示例性的,比如,相似度上限阈值为0.8。相似度大于0.8的图像包括图片1、图片2和图片3。图片1的相似度为0.9;图片2的相似度为0.88;图片3的相似度为0.81。把图片1、图片2和图片3按照先后的顺序依次输出到人工校验平台。
在一种实施方式中,还包括:根据所述相似度确定风险等级;
如果相似度低于第一比例阈值;则风险等级为低风险;
如果相似度大于等于第一比例阈值,小于等于第二比例阈值;则风险等级为中风险;
如果相似度大于第二比例阈值,则风险等级为高危;
示例性的,第一比例阈值为50%,第二比例阈值为70%。比例阈值可以灵活设定。
对于任意的一个素材图片,如果确定为侵权;所述方法还包括:确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
关于侵权类型,参见表1
表1
具体地,可以预先设定每一种侵权类型的单个图像扣分值;
示例性的,侵权类型为整图盗用,则扣10分;元素侵权扣5分;风格侵权扣3分;满分100分;
则图片质量评分=100-A×10-B×5-C×3;
如果质量评分大于等于90,则认定该批次的图片质量为优;
如果评分大于等于70,小于90,则认定该质量为良;
如果评分大于等于40,小于70,则认定质量为可;
如果评分小于40,则认定质量为劣。
在一种实施方式中,统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
具体地,采用以下的公式计算该批次图片的质量系数K:
其中,C为每个图片的原始分值;N为图片的总的数量。
其中,n为侵权类型的数量;Ai为第i种侵权类型对应的扣分值;Bi为第i种侵权类型对应的图片数量。
示例性的,全图盗用对应的分数为10;元素替换对应的分数为7;风格侵权对应的分数为5;如果该批次素材图片中,全图盗用的图片的数量为2;元素替换的图片的数量为3;风格侵权的数量为2。
则该批次的侵权分数=2×10+3×7+2×5=51。
图片的总数为10;每个图片的分值为15,则总分为150分;
该批次的分数=10×15-51=99。
该批次图片的质量系数=99/150。
报警提示信息,包括以下的一种或者几种:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量;
所述方法还包括:统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分或者定性评价;
示例性的,根据不合格率设定多个区间,根据不同的区间确定对应的供应商的质量评级。
如果不合格率控制在10%以内,则设计师的质量为优;
如果不合格率控制在10%和40%之间,则设计师的质量为中等;
如果不合格率为大于40%,则设计师的质量为差。
如果该批次素材图片的数量为100个,其中确定侵权的图片的数量为30个,不合格率为30%,设计师的质量为中等。
值得注意的是,创意平台可以生成设计师的质量评价标签,如此就可以避免不良的设计师利用创意平台来欺骗大量的客户。从而提高了客户的安全感和良好地体验。也能够促进设计师进行服务质量的提升。
其中服务质量评价标签可以根据设计师的多批次的素材图片的质量来进行确定。
提示报警信息还包括:提示当前批次的素材图像的不合格率;以及设计方的评级打分或者定性评价;
示例性的,发出的报警信息为语音信息,语音信息为:该批次素材图片的不合格率为30%;设计方的评级为中等。
在一种实施方式中,确定每一个侵权图片的侵权类型;统计每一种侵权类型的图片数量;
提示报警信息还包括,每一种侵权类型的图像数量;以及该批次的图片质量。
为了避免冗余图片带来的计算资源的浪费,在对每一个素材图片与图片库进行相似度计算之前,所述方法还包括,对所述多个素材图像进行查重;
具体的,对于该批次待检索的多个素材图片中,任意两个图片之间,计算图片的相似度;如果相似度大于预定的重复阈值,则确定为图片重复。
示例性的,如果两个素材图片的相似度高达90%,则确定两个图片重复。重复阈值可以灵活设定,本申请不做限定。
如果存在重复的素材图像,则删除重复的素材图像。
在一种实施方式中,还包括:如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述图像侵权检测的装置,如图3所示的一种图像侵权检测的装置的结构示意图;该装置包括:
获取模块31,用于获取当前批次中需要待检测的多个素材图像;
计算模块32,用于基于图像检测算法计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
判断模块33,用于根据相似度判断所述每个素材图像是否是侵权图像;
报警模块34,用于如果判断模块确定是侵权图像,则发出报警提示信息。
在一种实施方式中,还包括版权状态模块,用于如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
在一种实施方式中,判断模块34还用于:
如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;
如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
在一种实施方式中,还包括排序处理模块,用于对于每一个素材图像,
按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
将所述多个标准图像输出到人工校验平台,以进行人工再次辅助校验。
在一种实施方式中,计算模块32还用于:
根据所述相似度确定风险等级;
如果相似度低于50%,则风险等级为低风险;
如果相似度大于等于50%,小于等于70%,则风险等级为中风险;
如果相似度大于70%,则风险等级为高危;
判断模块还用于:对于任意的一个素材图片,如果确定为侵权;确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
在一种实施方式中,报警模块还用于:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量;
判断模块用于:
统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分;
报警模块还用于:提示当前批次的素材图像的不合格率;以及设计方的评级打分;
判断模块33还用于:确定每一个侵权图片的侵权类型;
统计每一种侵权类型的图片数量;
报警模块还用于:报告每一种侵权类型的图像数量;以及该批次的图片质量。
在一种方式中,还包括查重模块,用于采用图像检测算法对所述多个素材图像进行查重;
如果存在重复的素材图像,则删除重复的素材图像。
在一种实施方式中,还包括发送模块,用于如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端。
第三方面,本申请还提出了一种图像素材侵权判断设备,参见附图4所示的一种图像素材侵权判断设备,该设备包括:至少一个处理器41和至少一个存储器42;所述存储器42用于存储一个或多个程序指令;所述处理器41用于运行一个或多个程序指令,用以执行以下的步骤:
获取当前批次中需要待检测的多个素材图像;
计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
根据相似度判断所述每个素材图像是否是侵权图像;
如果是侵权图像,则发出报警提示信息。
在一种实施方式中,所述处理器41还用于,如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
在一种实施方式中,所述处理器41还用于,如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;
如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
在一种实施方式中,所述处理器41还用于,按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
将所述多个标准图像输出到人工校验平台,以进行人工再次辅助校验。
在一种实施方式中,所述处理器41还用于,根据所述相似度确定风险等级;
如果相似度低于50%,则风险等级为低风险;
如果相似度大于等于50%,小于等于70%,则风险等级为中风险;
如果相似度大于70%,则风险等级为高危;
对于任意的一个素材图片,如果确定为侵权;所述方法还包括:确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量。
在一种实施方式中,所述处理器41还用于,报警提示信息,包括以下的一种或者几种:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量;
在一种实施方式中,所述处理器41还用于,统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分或者定性评价;
提示报警信息还包括:提示当前批次的素材图像的不合格率;以及设计方的评级打分或者定性评价;
在一种实施方式中,所述处理器41还用于,确定每一个侵权图片的侵权类型;
统计每一种侵权类型的图片数量;
提示报警信息还包括,每一种侵权类型的图像数量;以及该批次的图片质量。
在一种实施方式中,所述处理器41还用于,采用图像检测算法对所述多个素材图像进行查重;
如果存在重复的素材图像,则删除重复的素材图像。
在一种实施方式中,所述处理器41还用于,如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端。
值得强调的是,上述的图像素材侵权判断设备应用在创意供给平台上。
在一种实施方式中,本申请还提出了一种创意供给平台,包括上述的图像素材侵权的设备。
创意供给平台接收设计师的客户端提供的图片素材;
进行相似度的判断后,判断是否有侵权的图片;
把确定没有侵权的图片发送给企业的客户端。
把确定侵权的图片退还给设计师的客户端;
向设计师的客户端或者企业的客户端发送设计师的评级信息。
第四方面,本申请还提出了一种图像素材侵权判断系统,包括:第一服务器、第二服务器和上述的图像素材侵权判断设备;
所述图像素材侵权判断设备,用于接收第一服务器发送的素材图片;
判断所述素材图片是否是侵权图片,如果否,则将所述素材图片发送给所述第二服务器;
如果是侵权图片,则将所述素材图片发送给所述第一服务器,以使第一服务器修改所述素材图片。
本申请还提出了一种创意平台,包括:内容中台和算法检测中台;结合附图5所示的创意平台的检测流程示意图;
内容中台,用于接收创意方的客户端上传的素材内容;
将素材版权状态置为待审核;
内容中台的状态机触发素材资源合规检测事件,判断是否是图像类素材;如果是图像类素材则将图像类素材提交给图像算法检测中台;
算法检测中台将图像资源批量入队列进入待检测状态;
查重队列获取队列元素提取待检测图像特征值,与算法中台图像特征库进行高速GPU运算;
GPU高速运算返回排好序的特征库图像资源链接以及相似度;
算法检测中台将对比好的并且排好序的相似图片返回给内容中台;
其中,算法中台会不断通过机器学习,学习最新的图像对照库,提取最新的图像特征移交给图像特征提取库提供GPU算法模型运算使用。
其中,对照库可以爬取各公开设计社区的图片220多万张图片,形成“对照库”。对照库存储在分布式存储的云端服务器集群中。
内容中台根据图像相似度判断素材图片是否合规;以及输出合规素材给客户使用。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,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。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种图像侵权检测方法,其特征在于,包括:
获取当前批次中需要待检测的多个素材图像;
计算所述多个素材图像中的每个素材图像与图像库中存储的每一个标准图像的相似度;
根据相似度判断所述每个素材图像是否是侵权图像;
如果是侵权图像,则发出报警提示信息;
对于任意的一个素材图片,如果确定为侵权;所述方法还包括:确定所述素材图片的侵权类型;
所述侵权类型包括:整图盗用、元素侵权、风格侵权;
统计每一种侵权类型的图片数量;
根据侵权类型和每种侵权类型的图片数量确定该批次的图片质量;
提示报警信息包括,每一种侵权类型的图像数量;以及该批次的图片质量;
采用以下的公式计算该批次图片的质量系数K:
其中,C为每个图片的原始分值;N为图片的总的数量;
n为侵权类型的数量;Ai为第i种侵权类型对应的扣分值;Bi为第i种侵权类型对应的图片数量;采用图像检测算法对所述多个素材图像进行查重;
如果存在重复的素材图像,则删除重复的素材图像;
如果所述素材图像为侵权图像,则将所述素材图像返回给素材图像提供方的服务器或客户端;
所述方法还包括:
统计当前批次待验证的若干素材图像中,确定为侵权图像的数量;
根据所述侵权图像的数量和当前批次素材图像的总的数量计算不合格率;
根据不合格率对素材图片的设计方评级打分或者定性评价;
提示报警信息还包括:提示当前批次的素材图像的不合格率;以及设计方的评级打分或者定性评价;
所述方法还包括:根据设计师对应的多批次的素材图片的质量数据,生成所述设计师的质量评价标签。
2.根据权利要求1所述的图像侵权检测方法,其特征在于,如果不是侵权图像,则将所述素材图像的版权状态从待验证状态变更为合格的状态;如果是侵权图像,则将所述侵权素材图片的版权状态变更为侵权状态。
3.根据权利要求1所述的图像侵权检测方法,其特征在于,根据所述相似度判断每个素材图像是否是侵权图像,包括:
如果相似度大于或者等于相似度阈值,则确定所述素材图像为侵权图像;
如果相似度小于相似度阈值,则确定所述素材图像为不侵权图像。
4.根据权利要求1所述的图像侵权检测方法,其特征在于,对于每一个素材图像,所述方法还包括:
按照相似度从大到小的顺序对图像库中的标准图像进行排序;
获取相似度大于预定的标准图像阈值的多个标准图像;
将所述多个标准图像输出到人工校验平台,以进行人工再次辅助校验。
5.根据权利要求1所述的图像侵权检测方法,其特征在于,还包括:
根据所述相似度确定风险等级;
如果相似度低于50%,则风险等级为低风险;
如果相似度大于等于50%,小于等于70%,则风险等级为中风险;
如果相似度大于70%,则风险等级为高危。
6.根据权利要求1所述的图像侵权检测方法,其特征在于,报警提示信息,还包括以下的一种或者几种:
提示用户再次对确定为侵权的素材图像进行审核;
当前的批次待验证的若干素材图像中,确定为侵权图像的数量。
7.根据权利要求1所述的图像侵权检测方法,其特征在于,还包括:
如果所述素材图像为不侵权图像,则将所述素材图像发送给需求方的企业的服务器或客户端。
8.一种图像素材侵权判断设备,其特征在于,包括:至少一个处理器和至少一个存储器;所述存储器用于存储一个或多个程序指令;所述处理器,用于运行一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法。
9.一种图像素材侵权判断系统,其特征在于,包括:第一服务器、第二服务器和如权利要求8所述的图像素材侵权判断设备;
所述图像素材侵权判断设备,用于接收第一服务器发送的素材图片;
判断所述素材图片是否是侵权图片,如果否,则将所述素材图片发送给所述第二服务器;
如果是侵权图片,则将所述素材图片发送给所述第一服务器,以使第一服务器修改所述素材图片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011574074.8A CN112579986B (zh) | 2020-12-25 | 2020-12-25 | 图像侵权检测方法、设备和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011574074.8A CN112579986B (zh) | 2020-12-25 | 2020-12-25 | 图像侵权检测方法、设备和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112579986A CN112579986A (zh) | 2021-03-30 |
CN112579986B true CN112579986B (zh) | 2022-02-15 |
Family
ID=75140760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011574074.8A Active CN112579986B (zh) | 2020-12-25 | 2020-12-25 | 图像侵权检测方法、设备和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112579986B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359590A (zh) * | 2021-12-06 | 2022-04-15 | 支付宝(杭州)信息技术有限公司 | Nft图像作品侵权检测方法、装置、及计算机存储介质 |
CN116452836B (zh) * | 2023-05-10 | 2023-11-28 | 杭州元媒科技有限公司 | 一种基于图像数据处理的新媒体素材内容采集系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930495A (zh) * | 2016-05-06 | 2016-09-07 | 长沙市麓智信息科技有限公司 | 产品侵权监控系统及其监控方法 |
CN110033018A (zh) * | 2019-03-06 | 2019-07-19 | 平安科技(深圳)有限公司 | 图形相似度判断方法、装置及计算机可读存储介质 |
CN110704811A (zh) * | 2019-09-03 | 2020-01-17 | 特赞(上海)信息科技有限公司 | 图片侵权检测方法及装置、存储介质 |
CN110992300A (zh) * | 2018-09-29 | 2020-04-10 | 北京国双科技有限公司 | 图像检测方法及装置 |
CN111046345A (zh) * | 2019-10-23 | 2020-04-21 | 上海突进网络科技有限公司 | 一种图片验证和反盗用方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004258729A (ja) * | 2003-02-24 | 2004-09-16 | Casio Comput Co Ltd | 画像探索システムおよびプログラム |
CN107832384A (zh) * | 2017-10-28 | 2018-03-23 | 北京安妮全版权科技发展有限公司 | 侵权检测方法、装置、存储介质和电子设备 |
CN110362777A (zh) * | 2019-07-25 | 2019-10-22 | 焦点科技股份有限公司 | 一种多信息融合的图片审核方法和系统 |
CN111310129A (zh) * | 2020-02-20 | 2020-06-19 | 北京海益同展信息科技有限公司 | 对图像进行维权的方法、装置和存储介质 |
-
2020
- 2020-12-25 CN CN202011574074.8A patent/CN112579986B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930495A (zh) * | 2016-05-06 | 2016-09-07 | 长沙市麓智信息科技有限公司 | 产品侵权监控系统及其监控方法 |
CN110992300A (zh) * | 2018-09-29 | 2020-04-10 | 北京国双科技有限公司 | 图像检测方法及装置 |
CN110033018A (zh) * | 2019-03-06 | 2019-07-19 | 平安科技(深圳)有限公司 | 图形相似度判断方法、装置及计算机可读存储介质 |
CN110704811A (zh) * | 2019-09-03 | 2020-01-17 | 特赞(上海)信息科技有限公司 | 图片侵权检测方法及装置、存储介质 |
CN111046345A (zh) * | 2019-10-23 | 2020-04-21 | 上海突进网络科技有限公司 | 一种图片验证和反盗用方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112579986A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112579986B (zh) | 图像侵权检测方法、设备和系统 | |
CN106952159B (zh) | 一种不动产抵押品风险控制方法、系统及存储介质 | |
CN111797320B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN110648180B (zh) | 一种调整投放渠道的方法、装置和电子设备 | |
CN107945003A (zh) | 信用评估方法及装置 | |
WO2019242627A1 (zh) | 一种数据处理方法及其装置 | |
CN111797022A (zh) | 分单业务的测试用例生成方法、装置、电子设备及介质 | |
CN112365007B (zh) | 模型参数确定方法、装置、设备及存储介质 | |
WO2021184981A1 (zh) | 基于区块链的作品原创审核方法、装置及设备 | |
CN111212082B (zh) | 基于云平台的资源价值评估用户管理方法及相关产品 | |
CN111062486A (zh) | 一种评价数据的特征分布和置信度的方法及装置 | |
CN112801779A (zh) | 一种企业融资信用评价系统及方法 | |
CN110706117A (zh) | 业务处理方法、装置、计算机装置及存储介质 | |
CN114996260A (zh) | 一种清洗ais数据的方法、装置、终端设备及存储介质 | |
CN114782123A (zh) | 一种信用评估方法及系统 | |
CN114139931A (zh) | 企业数据评估方法、装置、计算机设备及存储介质 | |
CN113850669A (zh) | 用户分群方法、装置、计算机设备及计算机可读存储介质 | |
CN110232525B (zh) | 一种企业风险获取方法、装置、服务器及存储介质 | |
CN111984638A (zh) | 一种基于bp神经网络算法的配变重过载数据治理方法 | |
CN115423600B (zh) | 数据筛选方法、装置、介质及电子设备 | |
CN116187754A (zh) | 生产线故障定位方法、设备及可读存储介质 | |
CN112035287B (zh) | 一种数据清洗结果的测试方法、装置、存储介质及设备 | |
CN114708600A (zh) | 单证审核方法、装置、计算机设备和存储介质 | |
CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
CN112308466A (zh) | 企业资质审核方法、装置、计算机设备和存储介质 |
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 |