CN114168684A - 一种基于异步机制的人脸建模入库服务实现方法及装置 - Google Patents
一种基于异步机制的人脸建模入库服务实现方法及装置 Download PDFInfo
- Publication number
- CN114168684A CN114168684A CN202111507515.7A CN202111507515A CN114168684A CN 114168684 A CN114168684 A CN 114168684A CN 202111507515 A CN202111507515 A CN 202111507515A CN 114168684 A CN114168684 A CN 114168684A
- Authority
- CN
- China
- Prior art keywords
- modeling
- vector
- face
- search engine
- service
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
- G06F16/273—Asynchronous replication or reconciliation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/465—Distributed object oriented systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种基于异步机制的人脸建模入库服务实现方法,包括:接收到客户端的建模入库请求后,将获取到的图像基本信息及图像URL地址写入数据库;根据基本信息,增加一建模状态标志位及数据为空的向量ID,建模状态为未建模,然后向客户端发送建模入库服务响应消息;批量读取数据库中状态为未建模的记录,调用人脸建模服务对图像进行处理,得到人脸特征编码;将人脸特征编码写入向量搜索引擎并获取返回对应的向量ID,将所述向量ID更新到数据库对应记录的向量ID并更新建模状态标志位。本发明提供的一种基于异步机制的人脸建模入库服务实现方法及装置,实现快速响应客户端,解决了同步机制下数据库和向量搜索引擎数据量不一致的问题。
Description
技术领域
本发明涉及数据库技术领域,特别涉及一种基于异步机制的人脸建模入库服务实现方法及装置。
背景技术
所谓人脸建模入库服务,就是给定批量图片基本信息和图片,检测图片中的人脸并裁剪出来,将裁剪出来的人脸送入人脸识别模型,提取人脸特征编码,最后将图片基本信息写入数据库,将人脸特征编码写入向量搜索引擎,供上层应用使用。
人脸建模入库,常规实现方法基于同步机制,也就是经过检测人脸、提取人脸特征编码,图片基本信息入库,向量特征编码入库等一系列步骤完成后,再返回消息给客户端。
由于常规实现方法是基于同步机制,而人脸检测、人脸识别等模型推理运算比较费时,受GPU资源限制,在高峰请求期间,超时严重,对于客户端来说,响应超时就会重调,同一批图片调多次调用,服务端重复入库,严重浪费计算资源,数据库可以通过主键判断,覆盖重复数据,而向量搜索引擎一般采用自动生成主键策略,不会覆盖重复数据,最终导致数据库和向量搜索引擎数据量不一致。
发明内容
本发明要解决的技术问题,在于提供一种基于异步机制的人脸建模入库服务实现方法及装置,实现快速响应客户端,避免重复调用,解决了同步机制下数据库和向量搜索引擎数据量不一致的问题。
第一方面,本发明提供了一种基于异步机制的人脸建模入库服务实现方法,包括:
步骤10、接收到至少一个客户端的建模入库请求后,将获取到的图像基本信息及图像URL地址写入数据库;
步骤20、根据每一条图像基本信息,增加一建模状态标志位及数据为空的向量ID,建模状态为未建模,然后所述至少一个向客户端发送建模入库服务响应消息;
步骤30、批量读取数据库中状态为未建模的记录,调用人脸建模服务对图像进行处理,得到人脸特征编码;
步骤40、将人脸特征编码写入向量搜索引擎,向量搜索引擎返回对应的向量ID,将所述向量ID更新到数据库对应记录的向量ID并更新建模状态标志位为已建模。
进一步地,所述数据库为分布式搜索引擎。
进一步地,所述步骤30具体包括:
调用人脸建模任务轮询,批量读取分布式搜索引擎中状态为未建模的记录,使用多进程调用人脸建模服务对图像进行处理,得到人脸特征编码,将人脸特征编码写入Redis缓存。
进一步地,所述步骤30中,在调用人脸建模任务轮询之前,还包括:
根据GPU可用数量,启动多个人脸建模服务程序;创建多进程池,进程池中初始化分布式搜素引擎连接和Redis服务连接。
第二方面,本发明提供了一种基于异步机制的人脸建模入库服务实现装置,包括:数据获取模块、服务响应模块、人脸建模模块以及向量更新模块;
所述数据获取模块,用于接收到至少一个客户端的建模入库请求后,将获取到的图像基本信息及图像URL地址写入数据库;
所述服务响应模块,用于根据每一条图像基本信息,增加一建模状态标志位及数据为空的向量ID,建模状态为未建模,然后向所述至少一个客户端发送建模入库服务响应消息;
所述人脸建模模块,用于批量读取数据库中状态为未建模的记录,调用人脸建模服务对图像进行处理,得到人脸特征编码;
所述向量更新模块,用于将人脸特征编码写入向量搜索引擎,向量搜索引擎返回对应的向量ID,将所述向量ID更新到数据库对应记录的向量ID并更新建模状态标志位为已建模。
进一步地,所述数据库为分布式搜索引擎。
进一步地,所述人脸建模模块具体用于:调用人脸建模任务轮询,批量读取分布式搜索引擎中状态为未建模的记录,使用多进程调用人脸建模服务对图像进行处理,得到人脸特征编码,将人脸特征编码写入Redis缓存。
进一步地,所述人脸建模模块还用于,根据GPU可用数量,启动多个人脸建模服务程序;创建多进程池,进程池中初始化分布式搜素引擎连接和Redis服务连接。
本发明实施例中提供的技术方案,至少具有如下技术效果或优点:
1、快速响应客户端,大大降低了客户端请求超时,避免重复调用,解决了同步机制下数据库和向量搜索引擎数据量不一致的问题;
2、使前端能够实时查询到人脸结构化信息,而不会因为人脸建模影响数据入库;
3、人脸建模任务和写向量搜索引擎任务分离,人脸特征编码可以大批量写入向量搜索引擎,大大提高了人脸特征编码写入效率,从而提高了整个建模入库效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明实施例一中方法的流程图;
图2为本发明实施例一中与客户端的交互流程图;
图3为本发明实施例一中人脸建模任务流程图;
图4为本发明实施例一中向量搜索引擎更新流程图;
图5为本发明实施例二中装置的结构示意图。
具体实施方式
本申请实施例通过提供一种基于异步机制的人脸建模入库服务实现方法及装置,实现快速响应客户端,避免重复调用,解决了同步机制下数据库和向量搜索引擎数据量不一致的问题。
本申请实施例中的技术方案,总体思路如下:
本方法提出的一种基于异步机制的人脸建模入库服务实现方法,将人脸检测、人脸特征抽取、人脸特征编码写入向量搜索引擎等涉及耗较长的步骤从响应服务中抽取出来,采用异步机制,通过后台任务来完成,提高了服务响应速度,解决了数据库和向量搜索引擎数据量不一致的问题,并且使前端能够实时查询到人脸结构化信息,而不会因为人脸建模影响数据入库。另外,通过Redis缓存人脸特征编码,使得我们可以大批量读取人脸特征编码,将其写入向量搜索引擎,大大提高了写向量搜索引擎的效率,从而提高了整个建模入库效率。
实施例一
本实施例提供一种基于异步机制的人脸建模入库服务实现方法,如图1所示,可以包括如下步骤:
步骤10、接收到至少一个客户端的建模入库请求后,将获取到的图像基本信息及图像URL地址写入数据库;
步骤20、根据每一条图像基本信息,增加一建模状态标志位及数据为空的向量ID,建模状态为未建模,然后向所述至少一个客户端发送建模入库服务响应消息;
步骤30、批量读取数据库中状态为未建模的记录,调用人脸建模服务对图像进行处理,得到人脸特征编码;
步骤40、将人脸特征编码写入向量搜索引擎,向量搜索引擎返回对应的向量ID,将所述向量ID更新到数据库对应记录的向量ID并更新建模状态标志位为已建模。
如图2至图4所示,本实施例的一具体实现方式如下:
人脸建模入库采用异步机制,接收到建模入库请求后,将人脸基本信息及图片URL地址先写入数据库(比如,ES数据库,即,分布式搜索引擎),增加一个建模状态标志位(建模状态为未建模)及数据为空的向量ID,然后直接响应请求。另外,后台设置一个建模任务,实时批量读取ES数据库未建模图片记录,进行人脸检测、人脸特征抽取操作,将得到的人脸特征编码写入Redis缓存,再设置一个向量写入任务,大批量读取Redis缓存数据,将人脸特征编码写入向量搜索引擎,向量搜索引擎返回对应的向量ID,更新ES数据库对应记录的向量ID及建模状态(更新为已建模)。具体可以包括如下步骤:
1、客户端并发调用图片建模入库服务请求,传入小批量图片基本信息(比如,姓名、性别、身份证号码等)及图片URL地址。
2、服务端接收图片建模入库服务请求,对所述请求进行处理。
具体地,服务端获取图片建模入库服务请求中的图片属性信息以及图片URL地址,将所述图片属性信息和图片URL地址写入ES数据库。同时,服务端根据属性信息,设置图片对应的向量ID为空,建模状态为未建模,建模入库完成后向客户端发送图片建模入库服务响应消息。
较佳地,服务端可以调用人脸建模任务轮询批量(比如,批量大小1000)读取ES数据中状态为未建模的记录,使用多进程调用人脸建模服务,得到人脸特征编码,将人脸特征编码写入Redis缓存。其具体处理方式为:
1)服务端根据GPU可用数量,启动多个建模服务程序。
可以对这些建模服务程序配置nginx服务以实现负载均衡。
2)创建多进程池,以便于分批建模。
进程池中初始化分布式搜素引擎连接和Redis服务连接,可避免每次重新获取连接消耗时间。
3)读取分布式搜索引擎中建模状态为未建模的数据,最多取出10000条,遍历这些数据,将指定条数记录作为一批(比如,每批20条),放入进程池中进行建模,并按照放入进程池中进行建模,使用异步方式对多个批次数据一起处理。每个子进程请求建模服务得到每张图片对应的特征向量。
4)取出多进程执行的每个返回结果,包括建模得到的特征向量、所属主键和分区名称。待全部取得后,批量更新分布式搜索引擎建模状态字段,将未建模状态标记为已建模。将分布式搜索引擎建模状态更新完后再把特征向量数据写入Redis缓存中。Redis数据关键字以“snap:”+ID主键的方式写入,内容格式为包括特征向量、所属分区、主键的JSON格式文本。
3、特征编码写入任务轮询大批量(比如,批量大小10000)读取Redis缓存数据,将其写入向量搜索引擎,向量搜索引擎返回对应的向量ID,更新ES对应记录的向量ID及建模状态(更新为已建模),最后删除已处理的Redis缓存数据。
基于同一发明构思,本申请还提供了与实施例一中的方法对应的装置,详见实施例二。
实施例二
在本实施例中提供了一种基于异步机制的人脸建模入库服务实现装置,如图5所示,包括:数据获取模块、服务响应模块、人脸建模模块以及向量更新模块;
所述数据获取模块,用于接收到至少一个客户端的建模入库请求后,将获取到的图像基本信息及图像URL地址写入数据库;
所述服务响应模块,用于根据每一条图像基本信息,增加一建模状态标志位及数据为空的向量ID,建模状态为未建模,然后所述至少一个向客户端发送建模入库服务响应消息;
所述人脸建模模块,用于批量读取数据库中状态为未建模的记录,调用人脸建模服务对图像进行处理,得到人脸特征编码;
所述向量更新模块,用于将人脸特征编码写入向量搜索引擎,向量搜索引擎返回对应的向量ID,将所述向量ID更新到数据库对应记录的向量ID并更新建模状态标志位为已建模。
在一具体实现方式中,所述数据库为分布式搜索引擎。
所述人脸建模模块具体用于:调用人脸建模任务轮询,批量读取分布式搜索引擎中状态为未建模的记录,使用多进程调用人脸建模服务对图像进行处理,得到人脸特征编码,将人脸特征编码写入Redis缓存。
所述人脸建模模块还用于,根据GPU可用数量,启动多个人脸建模服务程序;创建多进程池,进程池中初始化分布式搜素引擎连接和Redis服务连接。
由于本发明实施例二所介绍的装置,为实施本发明实施例一的方法所采用的装置,故而基于本发明实施例一所介绍的方法,本领域所属人员能够了解该装置的具体结构及变形,故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
本发明实施例中提供的技术方案至少具有如下技术效果或优点:快速响应客户端,大大降低了客户端请求超时,避免重复调用,解决了同步机制下数据库和向量搜索引擎数据量不一致的问题;使前端能够实时查询到人脸结构化信息,而不会因为人脸建模影响数据入库;人脸建模任务和写向量搜索引擎任务分离,人脸特征编码可以大批量写入向量搜索引擎,大大提高了人脸特征编码写入效率,从而提高了整个建模入库效率。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (8)
1.一种基于异步机制的人脸建模入库服务实现方法,其特征在于,包括:
步骤10、接收到至少一个客户端的建模入库请求后,将获取到的图像基本信息及图像URL地址写入数据库;
步骤20、根据每一条图像基本信息,增加一建模状态标志位及数据为空的向量ID,建模状态为未建模,然后向所述至少一个客户端发送建模入库服务响应消息;
步骤30、批量读取数据库中状态为未建模的记录,调用人脸建模服务对图像进行处理,得到人脸特征编码;
步骤40、将人脸特征编码写入向量搜索引擎,向量搜索引擎返回对应的向量ID,将所述向量ID更新到数据库对应记录的向量ID并更新建模状态标志位为已建模。
2.根据权利要求1所述的方法,其特征在于:所述数据库为分布式搜索引擎。
3.根据权利要求2所述的方法,其特征在于,所述步骤30具体包括:
调用人脸建模任务轮询,批量读取分布式搜索引擎中状态为未建模的记录,使用多进程调用人脸建模服务对图像进行处理,得到人脸特征编码,将人脸特征编码写入Redis缓存。
4.根据权利要求3所述的方法,其特征在于,所述步骤30中,在调用人脸建模任务轮询之前,还包括:
根据GPU可用数量,启动多个人脸建模服务程序;创建多进程池,进程池中初始化分布式搜素引擎连接和Redis服务连接。
5.一种基于异步机制的人脸建模入库服务实现装置,其特征在于:包括:数据获取模块、服务响应模块、人脸建模模块以及向量更新模块;
所述数据获取模块,用于接收到至少一个客户端的建模入库请求后,将获取到的图像基本信息及图像URL地址写入数据库;
所述服务响应模块,用于根据每一条图像基本信息,增加一建模状态标志位及数据为空的向量ID,建模状态为未建模,然后向所述至少一个客户端发送建模入库服务响应消息;
所述人脸建模模块,用于批量读取数据库中状态为未建模的记录,调用人脸建模服务对图像进行处理,得到人脸特征编码;
所述向量更新模块,用于将人脸特征编码写入向量搜索引擎,向量搜索引擎返回对应的向量ID,将所述向量ID更新到数据库对应记录的向量ID并更新建模状态标志位为已建模。
6.根据权利要求5所述的装置,其特征在于:所述数据库为分布式搜索引擎。
7.根据权利要求6所述的装置,其特征在于:所述人脸建模模块具体用于:调用人脸建模任务轮询,批量读取分布式搜索引擎中状态为未建模的记录,使用多进程调用人脸建模服务对图像进行处理,得到人脸特征编码,将人脸特征编码写入Redis缓存。
8.根据权利要求7所述的装置,其特征在于:所述人脸建模模块还用于,根据GPU可用数量,启动多个人脸建模服务程序;创建多进程池,进程池中初始化分布式搜素引擎连接和Redis服务连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111507515.7A CN114168684B (zh) | 2021-12-10 | 2021-12-10 | 一种基于异步机制的人脸建模入库服务实现方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111507515.7A CN114168684B (zh) | 2021-12-10 | 2021-12-10 | 一种基于异步机制的人脸建模入库服务实现方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114168684A true CN114168684A (zh) | 2022-03-11 |
CN114168684B CN114168684B (zh) | 2023-08-08 |
Family
ID=80485749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111507515.7A Active CN114168684B (zh) | 2021-12-10 | 2021-12-10 | 一种基于异步机制的人脸建模入库服务实现方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114168684B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573611A (zh) * | 2013-10-11 | 2015-04-29 | 杭州海康威视数字技术股份有限公司 | 一种分布式人脸识别集群系统 |
WO2016110030A1 (zh) * | 2015-01-09 | 2016-07-14 | 杭州海康威视数字技术股份有限公司 | 一种人脸图像的检索系统及方法 |
CN110706148A (zh) * | 2019-10-10 | 2020-01-17 | 中国建设银行股份有限公司 | 人脸图像处理方法、装置、设备和存储介质 |
CN110795500A (zh) * | 2019-09-25 | 2020-02-14 | 北京旷视科技有限公司 | 人脸数据的入库方法、装置、系统和存储介质 |
WO2021031566A1 (zh) * | 2019-08-21 | 2021-02-25 | 五邑大学 | 一种基于多任务学习的人脸美丽预测方法 |
CN113378675A (zh) * | 2021-05-31 | 2021-09-10 | 南京理工大学 | 一种同时检测和特征提取的人脸识别方法 |
-
2021
- 2021-12-10 CN CN202111507515.7A patent/CN114168684B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573611A (zh) * | 2013-10-11 | 2015-04-29 | 杭州海康威视数字技术股份有限公司 | 一种分布式人脸识别集群系统 |
WO2016110030A1 (zh) * | 2015-01-09 | 2016-07-14 | 杭州海康威视数字技术股份有限公司 | 一种人脸图像的检索系统及方法 |
WO2021031566A1 (zh) * | 2019-08-21 | 2021-02-25 | 五邑大学 | 一种基于多任务学习的人脸美丽预测方法 |
CN110795500A (zh) * | 2019-09-25 | 2020-02-14 | 北京旷视科技有限公司 | 人脸数据的入库方法、装置、系统和存储介质 |
CN110706148A (zh) * | 2019-10-10 | 2020-01-17 | 中国建设银行股份有限公司 | 人脸图像处理方法、装置、设备和存储介质 |
CN113378675A (zh) * | 2021-05-31 | 2021-09-10 | 南京理工大学 | 一种同时检测和特征提取的人脸识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114168684B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109842621B (zh) | 一种减少token存储数量的方法及终端 | |
CN113568995B (zh) | 基于检索条件的动态瓦片地图制作方法及瓦片地图系统 | |
CN112347363A (zh) | 一种页面生成方法及装置 | |
CN112233009A (zh) | 一种图片渲染方法、装置、设备和存储介质 | |
CN115023697A (zh) | 数据查询方法、装置及服务器 | |
CN114564620A (zh) | 图数据存储方法、系统及计算机设备 | |
CN113781119A (zh) | 一种虚拟资源发送方法、装置、电子设备及存储介质 | |
CN112286907A (zh) | 一种数据库配置方法、装置、电子设备和可读存储介质 | |
CN111666443A (zh) | 业务处理方法、装置、电子设备及计算机可读存储介质 | |
CN108648017B (zh) | 易于扩展的用户需求匹配方法、装置、设备及存储介质 | |
CN114168684B (zh) | 一种基于异步机制的人脸建模入库服务实现方法及装置 | |
CN106202456B (zh) | 发送图片的方法及装置 | |
CN110089076B (zh) | 实现信息互动的方法和装置 | |
CN113419687B (zh) | 一种对象存储方法、系统、设备及存储介质 | |
CN114840608A (zh) | 分布式数据访问方法、设备及存储介质 | |
CN111177450B (zh) | 一种图像检索云识别方法、系统及计算机可读存储介质 | |
CN114781517A (zh) | 风险识别的方法、装置及终端设备 | |
CN114036048A (zh) | 一种案例活跃度检测方法、装置、设备及存储介质 | |
CN114444451A (zh) | 远程批注方法和装置 | |
CN113407366A (zh) | 一种远程调用方法及装置以及系统 | |
CN111681097A (zh) | 账户类型的识别方法、服务器、电子设备及系统 | |
CN114756901B (zh) | 操作性风险监控方法及装置 | |
CN111339125B (zh) | 数据查询方法及装置 | |
CN115878113A (zh) | 数据处理的方法、数据处理系统、终端及存储介质 | |
CN115269903A (zh) | 一种poi数据采集方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220817 Address after: 100084 No. 1 Tsinghua Yuan, Beijing, Haidian District Applicant after: TSINGHUA University Applicant after: LINEWELL SOFTWARE Co.,Ltd. Address before: 362000 16 / F, building 2, Nanwei building, Fenghai Road, Fengze District, Quanzhou City, Fujian Province Applicant before: LINEWELL SOFTWARE Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |