CN113627534A - 识别动态图像的类型的方法、装置及电子设备 - Google Patents

识别动态图像的类型的方法、装置及电子设备 Download PDF

Info

Publication number
CN113627534A
CN113627534A CN202110921104.6A CN202110921104A CN113627534A CN 113627534 A CN113627534 A CN 113627534A CN 202110921104 A CN202110921104 A CN 202110921104A CN 113627534 A CN113627534 A CN 113627534A
Authority
CN
China
Prior art keywords
frame
target frame
association
preset
dynamic image
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
Application number
CN202110921104.6A
Other languages
English (en)
Inventor
张欢
熊俊峰
王洋
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.)
Baidu Online Network Technology Beijing Co Ltd
Original Assignee
Baidu Online Network Technology Beijing 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 Baidu Online Network Technology Beijing Co Ltd filed Critical Baidu Online Network Technology Beijing Co Ltd
Priority to CN202110921104.6A priority Critical patent/CN113627534A/zh
Publication of CN113627534A publication Critical patent/CN113627534A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种识别动态图像的类型的方法、装置及电子设备,涉及人工智能技术领域,尤其涉及计算机视觉技术领域。实现方案为:获取动态图像的目标帧以及目标帧的相邻帧;确定目标帧与相邻帧之间的关联度;及响应于确定关联度小于预设关联度阈值,确定动态图像的类型属于预设类型,从而可以准确对动态图像的类型进行判断,提升了网络信息审核平台的审核准确率,净化了网络环境。

Description

识别动态图像的类型的方法、装置及电子设备
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机视觉技术领域,具体涉及一种识别动态图像的类型的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
本公开的发明人了解到,例如gif格式的动图,可以绕过一些网络信息审核平台的审核而被上传到网络,从而对维护网络信息健康造成一定隐患。
在此部分中描述的技术手段不一定是之前已经设想到或采用的技术手段。除非另有指明,否则不应假定此部分中描述的任何技术手段仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种识别动态图像的类型的方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
根据本公开的一方面,提供了一种识别动态图像的类型的方法,获取动态图像的目标帧以及目标帧的相邻帧;确定目标帧与相邻帧之间的关联度;及响应于确定关联度小于预设关联度阈值,确定动态图像的类型属于预设类型。
根据本公开的另一方面,提供了一种识别动态图像的类型的装置,包括:获取单元,被配置为获取动态图像的目标帧以及目标帧的相邻帧;确定单元,被配置为确定目标帧与相邻帧之间的关联度;及识别单元,被配置为响应于确定关联度小于预设关联度阈值,确定动态图像的类型属于预设类型。
根据本公开的另一方面,提供了一种电子设备,包括:存储器;和耦接至存储器的处理器,处理器配置为基于存储在存储器中的指令,执行前述识别动态图像的类型的方法。
根据本公开的另一方面,提供了一种计算机可读存储介质,其中,计算机程序被处理器执行时实现前述识别动态图像的类型的方法。
根据本公开的另一方面,提供了一种计算机程序产品,其中,计算机程序被处理器执行时实现前述识别动态图像的类型的方法。
根据本公开的一个或多个实施例,通过计算目标帧与其相邻帧之间的关联度,可以准确判定动态图像的类型,从而防止含有不良或非法图片的动态图像绕过网路信息审核平台的审核,提高了审核准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开一些实施例的识别动态图像的类型的方法的流程图;
图3示出了图2中步骤S220的流程图;
图4示出了图2中步骤S220的流程图;
图5示出了根据本公开一些实施例的识别动态图像的类型的方法的流程图;
图6示出了根据本公开一些实施例的识别动态图像的类型的方法的流程图;
图7示出了根据本公开一些实施例的识别动态图像的类型的装置的结构框图;及
图8示出了根据本公开一些实施例的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,例如gif格式的动图,可以绕过一些网络信息审核平台的审核而被上传到网络,从而对维护网络信息健康造成一定隐患。
发明人获知的能够绕过网络信息审核平台的gif格式的动图目前有两种形式,第一种是在gif格式动图的第一帧的左上角区域放置一个较小的不良或非法图片,由于该图片的图像尺寸相对于gif格式动图的图像尺寸很小,网络信息审核平台无法准确识别该不良或非法图片的内容,导致携带有不良或非法图片的动图绕过审核。第二种是在具有多帧的gif格式动图的第一帧放置不良或非法图片,由于网络信息审核平台审核的时候通常是审核静态图,对于多帧的gif格式动图,审核时会停留在最后一帧,即只审核动图的最后一帧,导致携带有不良或非法图片的动图可绕过审核。
基于此,本公开实施例提供了一种识别动态图像的类型的方法、装置、电子设备、计算机可读存储介质及计算机程序产品,以提高识别动态图像的类型的准确性,进而为维护网络信息健康提供保障。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行计算目标帧与其相邻帧之间的关联度并判定动态图像的类型的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来向网络内容平台上传动态图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLEiOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120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。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
如图2所示,本公开一些实施例提供了一种识别动态图像的类型的方法200,可以应用于贴吧、网站等平台的信息审核中。该方法200可以包括以下步骤S210至230。
在步骤S210中,获取动态图像的目标帧以及目标帧的相邻帧。
在步骤S220中,确定目标帧与相邻帧之间的关联度。
在步骤S230中,响应于确定关联度小于预设关联度阈值,确定动态图像的类型属于预设类型。
根据本公开的一个或多个实施例,通过计算目标帧与其相邻帧之间的关联度,可以准确判定动态图像的类型,从而防止含有不良或非法图片的动态图像绕过网路信息审核平台的审核,提高了审核准确度。
在步骤S210中,动态图像具有按顺序排列的多个图像帧,每个图像帧均为一个静止的图像,多个图像帧按顺序轮播而形成动态图像。
目标帧是多个图像帧中的其中一个,可以理解,目标帧可以为动态图像中疑似含有不良或非法图片的一帧,例如,其可以是第一帧,又例如,目标帧也可以是该动态图像中内容出现转折的一帧。即目标帧为动态图像中的待检测帧。
相邻帧为与目标帧相邻的帧,例如,相邻帧可以包括目标帧的下一帧,或者相邻帧可以包括目标帧的上一帧,又或者,相邻帧可以包括目标帧的上一帧以及下一帧。可以理解,上一帧和下一帧均是根据动态图像的排列顺序而定,目标帧的上一帧、目标帧、目标帧的下一帧为按照该排列顺序连续排列的三个帧。
在步骤S220中,获取目标帧以及目标帧的相邻帧之后,可以通过计算确定目标帧与相邻帧之间的关联度。常见的计算方法有多种,例如可以采用深度学习神经网络来提取目标帧和相邻帧的特征,然后计算两者之间特征的欧式距离或者余弦距离,通过欧式距离和余弦距离来确定目标帧与相邻帧之间的关联度。又或者,可以采用SSIM(StructuralSimilarity)计算方法来计算目标帧与相邻帧之间的关联度。
在步骤S230中,预设关联度阈值可以由网络信息审核平台设定,关联度和预设关联度阈值的表现形式可以有多种,例如可以通过百分比来体现。动态图像可以根据是否包含不良或非法图片进行分类,预设类型为包含有不良或非法图片的动态图像的类型。
以预设关联度阈值设置为80%为例,若目标帧和相邻帧之间的关联度小于80%,可以认为目标帧和相邻帧之间的差异较大,网络信息审核平台可以判定该目标帧具有不良或非法图片,即该动态图像的类型为预设类型。可以理解的是,对于相关技术中的两种能够绕过网络信息审核平台的方式,由于第一帧上放置有不良或非法图片,该帧与其相邻帧之间的关联度较小,通过计算该帧与其相邻帧之间的关联度可以准确判定动态图像的类型,从而防止其绕过网路信息审核平台的审核,提高了审核准确度。
另外,通过预设关联度阈值可以根据网络信息审核平台的需求进行调整,若需要加强审核力度,则可以提高预设关联度阈值,若需要放宽审核,则可以降低预设关联度阈值。
在一些实施例中,动态图像可以为短视频或动图,可以提高网络信息审核平台审核的动态图像的种类,有利于净化网络环境。
如图3所示,在一些实施例中,步骤S220中确定目标帧与相邻帧之间的关联度,还可以包括步骤S310和S320。
在步骤S310中,响应于确定目标帧的图像尺寸大于预设尺寸阈值,获取目标帧的位于预设区域的第一子帧、以及相邻帧的位于预设区域的第二子帧。
其中,图像尺寸可以包括长度尺寸和宽度尺寸,图像尺寸可以以像素或厘米为基本单位。预设尺寸阈值可以对长度尺寸和/或宽度尺寸进行限制。预设区域可以为目标帧中的部分区域,例如,其可以为左上角区域、左下角区域、中间区域等等。为了便于说明,以下以像素作为图像尺寸的基本单位进行阐述。
以预设尺寸阈值为1k、预设区域为动态图像左上角的500*500的区域为例,若目标帧的长度尺寸或宽度尺寸大于1k,则可以对目标帧和相邻帧进行裁剪,即只提取目标帧中左上角500*500区域内的部分,并将其作为第一子帧。并提取相邻帧中也位于左上角500*500区域内的部分作为第二子帧。其中,500*500区域是指长度尺寸为500、宽度尺寸也为500长方形区域。
在步骤S320中,确定第一子帧与第二子帧之间的关联度。
第一子帧和第二子帧之间的关联度的计算方法可以参考步骤S120中的方法。可以理解,对于图像尺寸较大的动态图像,可以通过提取第一子帧和第二子帧,计算第一子帧和第二子帧之间的关联度,并通过以此作为目标帧和相邻帧之间的关联度,来判断动态图像的类型是否为预设类型。且由于用于关联度计算的第一子帧和第二子帧的图像尺寸较小,可以减少关联度计算的工作量,提高审核效率。
在一些实施例中,特别是针对手机端的动态图像审核,预设区域可以为动态图像的左上角区域。
可以理解,由于手机屏的限制,当图像尺寸较大的动态图像在手机上显示时,通常会优先显示左上角的部分区域,当操作者点击该动态图像时,才会显示整个动态图像。所以,不良或非法图片通常也会设置于动态图像的左上角区域。若不良或非法图片设置于目标帧左上角区域,则第一子帧和第二子帧之间的关联度会小于第一帧和第二帧之间的关联度,更有利于准确判断动态图像的类型,同时还能减少关联度的计算量。
步骤S220的实现方式除了上述步骤S310和S320外,如图4所示,在另一些实施例中,步骤S220中确定目标帧与相邻帧之间的关联度,还可以包括步骤S410和S420。
在步骤S410中,响应于确定目标帧的图像尺寸大于预设尺寸阈值,将目标帧缩小至预设目标尺寸,并且将相邻帧缩小至预设目标尺寸。
其中,图像尺寸可以包括长度尺寸和宽度尺寸,图像尺寸可以以像素或厘米为基本单位。预设尺寸阈值可以对长度尺寸和/或宽度尺寸进行限制。目标尺寸可以是设置好的图像尺寸,例如500*500,或者目标尺寸也可以是动态图像的原始图像尺寸与比例系数相乘后的尺寸,该比例系数可以大于零且小于1。
以预设尺寸阈值为1k、目标尺寸为500*500为例,若目标帧的长度尺寸或宽度尺寸大于1k,则可以对目标帧和相邻帧进行缩小,即将目标帧的图像尺寸缩小至500*500。并将相邻帧的图像尺寸也缩小至500*500。其中,500*500是指长度尺寸为500、宽度尺寸也为500。
在步骤S420中,确定缩小后的目标帧与缩小后的相邻帧之间的关联度。
缩小后的目标帧和缩小后的相邻帧之间的关联度的计算方法可以参考步骤S220中的方法。可以理解,对于图像尺寸较大的动态图像,例如高清视频等,可以通过将目标帧和相邻帧缩小,计算缩小之后的目标帧以及相邻帧之间的关联度,并通过以此作为目标帧和相邻帧之间的关联度,来判断动态图像的类型是否为预设类型。且由于缩小后的目标帧和相邻帧的图像尺寸较小,可以减少关联度计算的工作量,提高审核效率。
另外,上述步骤S310和步骤S320是对目标帧和相邻帧进行剪裁处理,而步骤S410和步骤S420是对目标帧和相邻帧进行缩小处理,在实际应用中,若动态图像中的有效信息较少,即背景所占比例较大时,可以采用步骤S310和步骤S320中的方法,若动态图像中的有效信息较多,或者动态图像是高清视频等,可以采用步骤S410和步骤S420中的方法。
在一些实施例中,相邻帧包括目标帧的下一帧,由于目标帧通常为第一帧或内容出现转折的图像帧,因此,将目标帧的下一帧作为相邻帧,可以较为准确的判断目标帧是否包含不良或非法图片。
以动态图像为gif格式的动态图像为例,步骤S210中,获取动态图像的目标帧以及目标帧的相邻帧,还可以包括:响应于确定动态图像为gif格式的图像,获取动态图像的第一帧作为目标帧,并获取动态图像的第二帧作为相邻帧。
当网络信息审核平台接收到用户上传的动态图像后,网络信息审核平台可以进行初筛,过滤掉明显不合规的动态图像,例如图片无法下载、展示不全、长宽比异常,或者直接报错的动态图像。
接着可以对动态图像的格式进行判断,判断其是否为gif格式的动态图像。具体可以通过解析动态图像二进制流的前5个字节,若前五个字节信息为“GIF89a”或者“GIF87a”,两者分别对应的十六进制信息为(47 49 46 38 39 61)或者(47 49 46 38 37 61),则可以判断动态图像为gif格式的动态图像。
若动态图像为gif格式的动态图像,则获取动态图像的第一帧作为目标帧,以及获取动态图像的第二帧作为相邻帧。可以理解,根据上述分析,不良或非法图片通常会被放置于gif格式动态图像的第一帧。通过对第一帧和第二帧之间的关联度进行计算,可以有效地判断gif格式的动态图像中是否存在不良或非法图片,提高了审核准确率。
如图5所述,本公开一些实施例提供了一种识别动态图像的类型的方法500,该方法500是在方法200的基础上进行改进,将相邻帧设置为包括目标帧的上一帧和目标帧的下一帧。方法500可以包括步骤S510至S530。
在步骤S510中,获取动态图像的目标帧、目标帧的上一帧、以及目标帧的下一帧。
在步骤S520中,确定目标帧与下一帧之间的第一关联度、以及目标帧与上一帧之间的第二关联度,
在步骤S530中,响应于确定第一关联度和第二关联度均小于预设关联度阈值,确定动态图像的类型属于预设类型。
以动态图像为短视频为例,可以获取短视频中画面转折较大的一帧作为目标帧,并且同时获取该目标帧的上一帧和下一帧。
分别计算目标帧与下一帧之间的第一关联度、以及目标帧与上一帧之间的第二关联度,具体计算方法可以参考步骤S220。
分别将第一关联度和第二关联度与预设关联度阈值进行比较分析,若第一关联度小于预设关联度阈值、并且第二关联度小于预设关联度阈值,则认为目标帧与其上一帧以及其下一帧之间的差别均较大,判断该目标帧包含有不良或非法图片,并确定短视频中含有不良或非法图片,从而可以准确判断短视频的类型。
如图6所示,本公开一些实施例提供了一种识别动态图像的类型的方法600,该方法600是在方法200的基础上进行改进,方法600可以包括步骤S610至步骤S640。
在步骤S610中,获取动态图像的目标帧以及目标帧的相邻帧。
在步骤S620中,确定目标帧与相邻帧之间的关联度。
在步骤S630中,响应于确定关联度小于预设关联度阈值,确定动态图像的类型属于预设类型。
在步骤S640中,响应于确定动态图像的类型属于预设类型,对动态图像和/或动态图像关联的账号执行相应操作。
其中,步骤S610至步骤S630的实现方式可以参考步骤S210至步骤S230,在此不再赘述。与动态图像关联的账号可以是上传该动态图像的用户的账号。相应操作可以包括禁止或删除等。
在步骤S640中,若判断动态图像中包含不良或非法图片,可以禁止动态图像的上传,并对该动态图像对应的帖子进行删除,甚至可以对与该动态图像关联的账号进行禁言、封号操作。
通过步骤S640可以实现网路信息审核平台的闭环审核,避免不良或非法图片流入网络,维护了健康的网络环境。
如图7所示,本公开实施例还提供了一种识别动态图像的类型的装置700,包括:获取单元701、确定单元702及识别单元703。
获取单元701被配置为获取动态图像的目标帧以及目标帧的相邻帧。
确定单元702被配置为确定目标帧与相邻帧之间的关联度。
识别单元703被配置为响应于确定关联度小于预设关联度阈值,确定动态图像的类型属于预设类型。
如前述分析,本公开上述实施例提供的识别动态图像的类型的装置700通过计算目标帧与其相邻帧之间的关联度,可以准确判定动态图像的类型,从而防止含有不良或非法图片的动态图像绕过网路信息审核平台的审核,提高了审核准确度。
在一些实施例中,确定单元702还被配置为响应于确定目标帧的图像尺寸大于预设尺寸阈值,获取目标帧的位于预设区域的第一子帧、以及相邻帧的位于预设区域的第二子帧;确定第一子帧与第二子帧之间的关联度。
在一些实施例中,预设区域为动态图像的左上角区域。
在一些实施例中,确定单元702还被配置为响应于确定目标帧的图像尺寸大于预设尺寸阈值,将目标帧缩小至预设目标尺寸,并且将相邻帧缩小至预设目标尺寸;确定缩小后的目标帧与缩小后的相邻帧之间的关联度。
在一些实施例中,相邻帧包括目标帧的下一帧。
在一些实施例中,相邻帧包括目标帧的上一帧和目标帧的下一帧;确定单元702还被配置为确定目标帧与下一帧之间的第一关联度、以及目标帧与上一帧之间的第二关联度;识别单元703还被配置为响应于确定第一关联度和第二关联度均小于预设关联度阈值,确定动态图像的类型属于预设类型。
在一些实施例中,装置700还包括:处置单元,处置单元被配置为响应于确定动态图像的类型属于预设类型,对动态图像和/或动态图像关联的账号执行相应操作。
如图8所示,为本公开应用于服务器或客户端的电子设备800的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备800旨在表示各种形式的数字电子的计算机设备,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/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM803中,还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806、输出单元807、存储单元808以及通信单元809。输入单元806可以是能向电子设备800输入信息的任何类型的设备,输入单元806可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元807可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元808可以包括但不限于磁盘、光盘。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如识别动态图像的类型的方法。例如,在一些实施例中,识别动态图像的类型的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM803并由计算单元801执行时,可以执行上文描述的识别动态图像的类型的方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行识别动态图像的类型的方法。
本公开实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现上述任一实施例的方法步骤。
根据本公开的另一方面,还提供一种计算机程序产品,包括计算机程序,其中,计算机程序被处理器执行时实现上述任一实施例的方法步骤。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)和互联网。
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,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。
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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (19)

1.一种识别动态图像的类型的方法,包括:
获取动态图像的目标帧以及所述目标帧的相邻帧;
确定所述目标帧与所述相邻帧之间的关联度;及
响应于确定所述关联度小于预设关联度阈值,确定所述动态图像的类型属于预设类型。
2.根据权利要求1所述的方法,其中,
所述确定所述目标帧与所述相邻帧之间的关联度,包括:
响应于确定所述目标帧的图像尺寸大于预设尺寸阈值,获取所述目标帧的位于预设区域的第一子帧、以及所述相邻帧的位于所述预设区域的第二子帧;
确定所述第一子帧与所述第二子帧之间的所述关联度。
3.根据权利要求2所述的方法,其中,
所述预设区域为所述动态图像的左上角区域。
4.根据权利要求1所述的方法,其中,
所述确定所述目标帧与所述相邻帧之间的关联度,包括:
响应于确定所述目标帧的图像尺寸大于预设尺寸阈值,将所述目标帧缩小至预设目标尺寸,并且将所述相邻帧缩小至所述预设目标尺寸;
确定缩小后的所述目标帧与缩小后的所述相邻帧之间的所述关联度。
5.根据权利要求1所述的方法,其中,
所述相邻帧包括所述目标帧的下一帧。
6.根据权利要求1所述的方法,其中,
所述相邻帧包括所述目标帧的上一帧和所述目标帧的下一帧;
所述确定所述目标帧与所述相邻帧之间的关联度,包括:
确定所述目标帧与所述下一帧之间的第一关联度、以及所述目标帧与所述上一帧之间的第二关联度,
并且所述响应于确定所述关联度小于预设关联度阈值,确定所述动态图像的类型属于预设类型,包括:
响应于确定所述第一关联度和所述第二关联度均小于所述预设关联度阈值,确定所述动态图像的类型属于预设类型。
7.根据权利要求1-6中任一项所述的方法,还包括:
响应于确定所述动态图像的类型属于所述预设类型,对所述动态图像和/或所述动态图像关联的账号执行相应操作。
8.根据权利要求1-6中任一项所述的方法,其中,所述动态图像为短视频或动图。
9.根据权利要求1-6中任一项所述的方法,其中,所述获取动态图像的目标帧以及所述目标帧的相邻帧,包括:
响应于确定所述动态图像为gif格式的图像,获取所述动态图像的第一帧作为所述目标帧,并获取所述动态图像的第二帧作为所述相邻帧。
10.一种识别动态图像的类型的装置,包括:
获取单元,被配置为获取动态图像的目标帧以及所述目标帧的相邻帧;
确定单元,被配置为确定所述目标帧与所述相邻帧之间的关联度;及
识别单元,被配置为响应于确定所述关联度小于预设关联度阈值,确定所述动态图像的类型属于预设类型。
11.根据权利要求10所述的装置,其中,
所述确定单元,还被配置为响应于确定所述目标帧的图像尺寸大于预设尺寸阈值,获取所述目标帧的位于预设区域的第一子帧、以及所述相邻帧的位于所述预设区域的第二子帧;确定所述第一子帧与所述第二子帧之间的所述关联度。
12.根据权利要求11所述的装置,其中,
所述预设区域为所述动态图像的左上角区域。
13.根据权利要求10所述的装置,其中,
所述确定单元,还被配置为响应于确定所述目标帧的图像尺寸大于预设尺寸阈值,将所述目标帧缩小至预设目标尺寸,并且将所述相邻帧缩小至所述预设目标尺寸;确定缩小后的所述目标帧与缩小后的所述相邻帧之间的所述关联度。
14.根据权利要求10所述的装置,其中,
所述相邻帧包括所述目标帧的下一帧。
15.根据权利要求10所述的装置,其中,
所述相邻帧包括所述目标帧的上一帧和所述目标帧的下一帧;
所述确定单元,还被配置为确定所述目标帧与所述下一帧之间的第一关联度、以及所述目标帧与所述上一帧之间的第二关联度,
所述识别单元,还被配置为响应于确定所述第一关联度和所述第二关联度均小于所述预设关联度阈值,确定所述动态图像的类型属于预设类型。
16.根据权利要求10-15中任一项所述的装置,还包括:
处置单元,响应于确定所述动态图像的类型属于所述预设类型,对所述动态图像和/或所述动态图像关联的账号执行相应操作。
17.一种电子设备,包括:
存储器;和
耦接至存储器的处理器,处理器配置为基于存储在存储器中的指令,执行根据权利要求1-9中任一项所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现根据权利要求1-9中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,其中,计算机程序被处理器执行时实现根据权利要求1-9中任一项所述的方法。
CN202110921104.6A 2021-08-11 2021-08-11 识别动态图像的类型的方法、装置及电子设备 Pending CN113627534A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110921104.6A CN113627534A (zh) 2021-08-11 2021-08-11 识别动态图像的类型的方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110921104.6A CN113627534A (zh) 2021-08-11 2021-08-11 识别动态图像的类型的方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN113627534A true CN113627534A (zh) 2021-11-09

Family

ID=78384602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110921104.6A Pending CN113627534A (zh) 2021-08-11 2021-08-11 识别动态图像的类型的方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113627534A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116866666A (zh) * 2023-09-05 2023-10-10 天津市北海通信技术有限公司 轨道交通环境下的视频流画面处理方法及装置

Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101076115A (zh) * 2006-12-26 2007-11-21 腾讯科技(深圳)有限公司 一种视频内容审核系统和方法
CN101127530A (zh) * 2007-08-27 2008-02-20 北京航空航天大学 一种基于帧间相关的前向纠错编解码方法
US20090207316A1 (en) * 2008-02-19 2009-08-20 Sorenson Media, Inc. Methods for summarizing and auditing the content of digital video
CN102292726A (zh) * 2009-01-23 2011-12-21 日本电气株式会社 视频标识符提取设备
CN102324097A (zh) * 2011-08-17 2012-01-18 深圳市锐取软件技术有限公司 一种检测图像变化的方法
CN106101740A (zh) * 2016-07-13 2016-11-09 百度在线网络技术(北京)有限公司 一种视频内容识别方法和装置
CN106658119A (zh) * 2017-01-10 2017-05-10 网易(杭州)网络有限公司 视频应用测试方法及装置
CN106789555A (zh) * 2016-11-25 2017-05-31 努比亚技术有限公司 视频数据传输方法及装置
CN106851332A (zh) * 2017-01-04 2017-06-13 北京百度网讯科技有限公司 视频流处理方法、装置和系统
CN109151499A (zh) * 2018-09-26 2019-01-04 央视国际网络无锡有限公司 视频审核方法及装置
CN109495783A (zh) * 2018-11-02 2019-03-19 平安科技(深圳)有限公司 视频审核方法、装置、电子设备及介质
CN109756746A (zh) * 2018-12-28 2019-05-14 广州华多网络科技有限公司 视频审核方法、装置、服务器及存储介质
CN110490272A (zh) * 2019-09-05 2019-11-22 腾讯音乐娱乐科技(深圳)有限公司 图片内容相似度分析方法、装置及存储介质
CN110853033A (zh) * 2019-11-22 2020-02-28 腾讯科技(深圳)有限公司 基于帧间相似度的视频检测方法和装置
CN111026915A (zh) * 2019-11-25 2020-04-17 Oppo广东移动通信有限公司 视频分类方法、视频分类装置、存储介质与电子设备
CN111327945A (zh) * 2018-12-14 2020-06-23 北京沃东天骏信息技术有限公司 用于分割视频的方法和装置
CN111402185A (zh) * 2018-12-13 2020-07-10 北京嘀嘀无限科技发展有限公司 一种图像检测方法及装置
CN111612873A (zh) * 2020-05-29 2020-09-01 维沃移动通信有限公司 Gif图片生成方法、装置及电子设备
CN111603771A (zh) * 2020-05-22 2020-09-01 腾讯科技(深圳)有限公司 动画生成方法、装置、设备及介质
CN111985419A (zh) * 2020-08-25 2020-11-24 腾讯科技(深圳)有限公司 视频处理方法及相关设备
CN112070071A (zh) * 2020-11-11 2020-12-11 腾讯科技(深圳)有限公司 视频中的对象标注方法、装置、计算机设备及存储介质
CN112165621A (zh) * 2020-09-24 2021-01-01 北京金山云网络技术有限公司 场景切换帧的检测方法及装置、存储介质、电子设备
CN112560552A (zh) * 2019-09-25 2021-03-26 华为技术有限公司 视频分类的方法和装置
CN112749685A (zh) * 2021-01-28 2021-05-04 北京百度网讯科技有限公司 视频分类方法、设备和介质

Patent Citations (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101076115A (zh) * 2006-12-26 2007-11-21 腾讯科技(深圳)有限公司 一种视频内容审核系统和方法
CN101127530A (zh) * 2007-08-27 2008-02-20 北京航空航天大学 一种基于帧间相关的前向纠错编解码方法
US20090207316A1 (en) * 2008-02-19 2009-08-20 Sorenson Media, Inc. Methods for summarizing and auditing the content of digital video
CN102292726A (zh) * 2009-01-23 2011-12-21 日本电气株式会社 视频标识符提取设备
CN102324097A (zh) * 2011-08-17 2012-01-18 深圳市锐取软件技术有限公司 一种检测图像变化的方法
CN106101740A (zh) * 2016-07-13 2016-11-09 百度在线网络技术(北京)有限公司 一种视频内容识别方法和装置
CN106789555A (zh) * 2016-11-25 2017-05-31 努比亚技术有限公司 视频数据传输方法及装置
CN106851332A (zh) * 2017-01-04 2017-06-13 北京百度网讯科技有限公司 视频流处理方法、装置和系统
CN106658119A (zh) * 2017-01-10 2017-05-10 网易(杭州)网络有限公司 视频应用测试方法及装置
CN109151499A (zh) * 2018-09-26 2019-01-04 央视国际网络无锡有限公司 视频审核方法及装置
CN109495783A (zh) * 2018-11-02 2019-03-19 平安科技(深圳)有限公司 视频审核方法、装置、电子设备及介质
CN111402185A (zh) * 2018-12-13 2020-07-10 北京嘀嘀无限科技发展有限公司 一种图像检测方法及装置
CN111327945A (zh) * 2018-12-14 2020-06-23 北京沃东天骏信息技术有限公司 用于分割视频的方法和装置
CN109756746A (zh) * 2018-12-28 2019-05-14 广州华多网络科技有限公司 视频审核方法、装置、服务器及存储介质
CN110490272A (zh) * 2019-09-05 2019-11-22 腾讯音乐娱乐科技(深圳)有限公司 图片内容相似度分析方法、装置及存储介质
CN112560552A (zh) * 2019-09-25 2021-03-26 华为技术有限公司 视频分类的方法和装置
CN110853033A (zh) * 2019-11-22 2020-02-28 腾讯科技(深圳)有限公司 基于帧间相似度的视频检测方法和装置
CN111026915A (zh) * 2019-11-25 2020-04-17 Oppo广东移动通信有限公司 视频分类方法、视频分类装置、存储介质与电子设备
CN111603771A (zh) * 2020-05-22 2020-09-01 腾讯科技(深圳)有限公司 动画生成方法、装置、设备及介质
CN111612873A (zh) * 2020-05-29 2020-09-01 维沃移动通信有限公司 Gif图片生成方法、装置及电子设备
CN111985419A (zh) * 2020-08-25 2020-11-24 腾讯科技(深圳)有限公司 视频处理方法及相关设备
CN112165621A (zh) * 2020-09-24 2021-01-01 北京金山云网络技术有限公司 场景切换帧的检测方法及装置、存储介质、电子设备
CN112070071A (zh) * 2020-11-11 2020-12-11 腾讯科技(深圳)有限公司 视频中的对象标注方法、装置、计算机设备及存储介质
CN112749685A (zh) * 2021-01-28 2021-05-04 北京百度网讯科技有限公司 视频分类方法、设备和介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116866666A (zh) * 2023-09-05 2023-10-10 天津市北海通信技术有限公司 轨道交通环境下的视频流画面处理方法及装置
CN116866666B (zh) * 2023-09-05 2023-12-08 天津市北海通信技术有限公司 轨道交通环境下的视频流画面处理方法及装置

Similar Documents

Publication Publication Date Title
CN114648638B (zh) 语义分割模型的训练方法、语义分割方法与装置
CN112857268A (zh) 对象面积测量方法、装置、电子设备和存储介质
CN113256583A (zh) 图像质量检测方法及装置、计算机设备和介质
CN112749685B (zh) 视频分类方法、设备和介质
CN115422389B (zh) 处理文本图像的方法及装置、神经网络的训练方法
CN113411645A (zh) 信息推荐方法及装置、电子设备和介质
CN112967356A (zh) 图像填充方法及装置、电子设备和介质
CN115601555A (zh) 图像处理方法及装置、设备和介质
CN113810765B (zh) 视频处理方法、装置、设备和介质
CN113723305A (zh) 图像和视频检测方法、装置、电子设备和介质
CN113627534A (zh) 识别动态图像的类型的方法、装置及电子设备
CN116401462A (zh) 应用于数字化共享的互动数据分析方法及系统
CN116152607A (zh) 目标检测方法、训练目标检测模型的方法及装置
CN114842476A (zh) 水印检测方法及装置、模型训练方法及装置
CN113486853B (zh) 视频检测方法及装置、电子设备和介质
CN114898387A (zh) 表格图像处理方法和装置
CN115222598A (zh) 图像处理方法、装置、设备及介质
CN114494797A (zh) 用于训练图像检测模型的方法和装置
CN114092556A (zh) 用于确定人体姿态的方法、装置、电子设备、介质
CN114429678A (zh) 模型训练方法及装置、电子设备和介质
CN113779559A (zh) 用于识别作弊网站的方法、装置、电子设备和介质
CN113139095A (zh) 视频检索方法及装置、计算机设备和介质
CN113627330B (zh) 识别目标类型动态图像的方法、装置及电子设备
CN118195999A (zh) 图像检测方法及装置、设备和介质
CN116881485B (zh) 生成图像检索索引的方法及装置、电子设备和介质

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