CN115529475A - 视频流量内容检测与风控的方法和系统 - Google Patents

视频流量内容检测与风控的方法和系统 Download PDF

Info

Publication number
CN115529475A
CN115529475A CN202111634717.8A CN202111634717A CN115529475A CN 115529475 A CN115529475 A CN 115529475A CN 202111634717 A CN202111634717 A CN 202111634717A CN 115529475 A CN115529475 A CN 115529475A
Authority
CN
China
Prior art keywords
image
video
layer convolution
convolution unit
image characteristic
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
CN202111634717.8A
Other languages
English (en)
Inventor
苏长君
曾祥禄
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 Zhimei Internet Technology Co ltd
Original Assignee
Beijing Zhimei Internet 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 Zhimei Internet Technology Co ltd filed Critical Beijing Zhimei Internet Technology Co ltd
Priority to CN202111634717.8A priority Critical patent/CN115529475A/zh
Publication of CN115529475A publication Critical patent/CN115529475A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234345—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements the reformatting operation being performed only on part of the stream, e.g. a region of the image or a time segment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440236—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by media transcoding, e.g. video is transformed into a slideshow of still pictures, audio is converted into text

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种视频流量内容检测与风控的方法和系统，通过转换维度，将接收的视频流变为适合服务器负载处理的能力，再经过两重视频采样，得到携带有边界和区域局部特征的高维图像，进一步提取高维图像的特征相同的片段，得到更加抽象化的片段图像，从而根据其形状识别出物体和运动方式，定义其类别，进行风控判断。

Description

视频流量内容检测与风控的方法和系统
技术领域
本申请涉及网络多媒体领域，尤其涉及一种视频流量内容检测与风控的方法和系统。
背景技术
现有视频流量检测面临着有害内容识别难，风险应对延迟的问题，针对海量快速产生的网络文本、音频、视频数据，需要能够快速地对上述类型数据进行检测的有效方法。
因此，急需一种针对性的视频流量内容检测与风控的方法和系统。
发明内容
本发明的目的在于提供一种视频流量内容检测与风控的方法和系统，通过转换维度，将接收的视频流变为适合服务器负载处理的能力，再经过两重视频采样，得到携带有边界和区域局部特征的高维图像，进一步提取高维图像的特征相同的片段，得到更加抽象化的片段图像，从而根据其形状识别出物体和运动方式，定义其类别，进行风控判断。
第一方面，本申请提供一种视频流量内容检测与风控的方法，所述方法包括：
根据服务器的负载处理能力，对输入的视频流量进行维度转换，将接收的P*Q维度的视频信号转换为M*N维度的视频信号，其中P*Q是信号传输通道的维度，M*N是服务器负载处理的维度，P、Q、M、N均为非零正整数；
对维度转换后的视频流量进行视频采样，所述视频采样使用基础过滤单元来提取第一图像特征，将所述第一图像特征进行向量化，输入到N层卷积单元，根据所述N层卷积单元的输出结果，得到第一中间结果；
所述第一中间结果的每一个点生成一个锚点，锚点的值是由每个点的特征与四周相邻点的特征加权平均计算得到的；若干个锚点组成一个滑动窗，组成该滑动窗所需的锚点数目由最中间锚点所属的点的特征大小决定；
使用所述滑动窗再次对视频流量进行视频采样，提到第二图像特征，将所述第二图像特征进行向量化，输入到N层卷积单元，根据所述N层卷积单元的输出结果，得到第二中间结果；
对所述第二中间结果进行平滑处理，得到携带有边界和区域局部特征的高维图像，分析该高维图像，识别图像中相同特征的片段，按照所述片段的连接关系，组成片段图像，根据片段图像的形状，识别出物体和运动方式，进而定义改进片段图像对应的类别；
检测该片段图像对应的类别在当前网络环境中是否合规，如果不合规则对视频流量源采取限制措施。
结合第一方面，在第一方面第一种可能的实现方式中，所述N层卷积单元是由N个依次连接的卷积运算模块组成，N的值反映服务器负载处理的能力。
结合第一方面，在第一方面第二种可能的实现方式中，所述获取用户的网络行为记录包括通过用户的历史数据发现其对视频内容的偏好度。
结合第一方面，在第一方面第三种可能的实现方式中，所述识别图像中的物体和运动方式的过程中采用了神经网络模型。
第二方面，本申请提供一种视频流量内容检测与风控的系统，所述系统包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面四种可能中任一项所述的方法。
第三方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面四种可能中任一项所述的方法。
本发明提供一种视频流量内容检测与风控的方法和系统，通过转换维度，将接收的视频流变为适合服务器负载处理的能力，再经过两重视频采样，得到携带有边界和区域局部特征的高维图像，进一步提取高维图像的特征相同的片段，得到更加抽象化的片段图像，从而根据其形状识别出物体和运动方式，定义其类别，进行风控判断。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法的流程图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
图1为本申请提供的视频流量内容检测与风控的方法的流程图，包括：
根据服务器的负载处理能力，对输入的视频流量进行维度转换，将接收的P*Q维度的视频信号转换为M*N维度的视频信号，其中P*Q是信号传输通道的维度，M*N是服务器负载处理的维度，P、Q、M、N均为非零正整数；
对维度转换后的视频流量进行视频采样，所述视频采样使用基础过滤单元来提取第一图像特征，将所述第一图像特征进行向量化，输入到N层卷积单元，根据所述N层卷积单元的输出结果，得到第一中间结果；
所述第一中间结果的每一个点生成一个锚点，锚点的值是由每个点的特征与四周相邻点的特征加权平均计算得到的；若干个锚点组成一个滑动窗，组成该滑动窗所需的锚点数目由最中间锚点所属的点的特征大小决定；
使用所述滑动窗再次对视频流量进行视频采样，提到第二图像特征，将所述第二图像特征进行向量化，输入到N层卷积单元，根据所述N层卷积单元的输出结果，得到第二中间结果；
对所述第二中间结果进行平滑处理，得到携带有边界和区域局部特征的高维图像，分析该高维图像，识别图像中相同特征的片段，按照所述片段的连接关系，组成片段图像，根据片段图像的形状，识别出物体和运动方式，进而定义改进片段图像对应的类别；
检测该片段图像对应的类别在当前网络环境中是否合规，如果不合规则对视频流量源采取限制措施。
方法还包括获取用户的网络行为记录，提取重复频率高的元素项目，将所述元素项目作为特征点与模型比较，得到用户的角色定位；
根据用户的角色定位，以及检测出的视频流量中的物体和运动方式，判断该视频流量是否满足用户的喜好，如果判断为是，则将该视频流量推荐给用户，反之则限制该视频流量的播放。
在一些优选实施例中，所述N层卷积单元是由N个依次连接的卷积运算模块组成，N的值反映服务器负载处理的能力。
在一些优选实施例中，所述获取用户的网络行为记录包括通过用户的历史数据发现其对视频内容的偏好度。
在一些优选实施例中，所述识别图像中的物体和运动方式的过程中采用了神经网络模型。
本申请提供一种视频流量内容检测与风控的系统，所述系统包括：所述系统包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行第一方面所有实施例中任一项所述的方法。
本申请提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行第一方面所有实施例中任一项所述的方法。
具体实现中，本发明还提供一种计算机存储介质，其中，该计算机存储介质可以存储有程序，该程序执行时可包括本发明各个实施例中的部分或全部步骤。所述的存储介质可以为磁碟、光盘、只读存储记忆体(简称：ROM)或随机存储记忆体(简称：RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书各个实施例之间相同相似的部分互相参见即可。尤其，对于实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (6)

1.一种视频流量内容检测与风控的方法，其特征在于，所述方法包括：
根据服务器的负载处理能力，对输入的视频流量进行维度转换，将接收的P*Q维度的视频信号转换为M*N维度的视频信号，其中P*Q是信号传输通道的维度，M*N是服务器负载处理的维度，P、Q、M、N均为非零正整数；
对维度转换后的视频流量进行视频采样，所述视频采样使用基础过滤单元来提取第一图像特征，将所述第一图像特征进行向量化，输入到N层卷积单元，根据所述N层卷积单元的输出结果，得到第一中间结果；
所述第一中间结果的每一个点生成一个锚点，锚点的值是由每个点的特征与四周相邻点的特征加权平均计算得到的；若干个锚点组成一个滑动窗，组成该滑动窗所需的锚点数目由最中间锚点所属的点的特征大小决定；
使用所述滑动窗再次对视频流量进行视频采样，提到第二图像特征，将所述第二图像特征进行向量化，输入到N层卷积单元，根据所述N层卷积单元的输出结果，得到第二中间结果；
对所述第二中间结果进行平滑处理，得到携带有边界和区域局部特征的高维图像，分析该高维图像，识别图像中相同特征的片段，按照所述片段的连接关系，组成片段图像，根据片段图像的形状，识别出物体和运动方式，进而定义改进片段图像对应的类别；
检测该片段图像对应的类别在当前网络环境中是否合规，如果不合规则对视频流量源采取限制措施。
2.根据权利要求1所述的方法，其特征在于：所述N层卷积单元是由N个依次连接的卷积运算模块组成，N的值反映服务器负载处理的能力。
3.根据权利要求1-2任一项所述的方法，其特征在于：所述获取用户的网络行为记录包括通过用户的历史数据发现其对视频内容的偏好度。
4.根据权利要求1-3任一项所述的方法，其特征在于：所述识别图像中的物体和运动方式的过程中采用了神经网络模型。
5.一种视频流量内容检测与风控的系统，其特征在于，所述系统包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行实现权利要求1-4任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行实现权利要求1-4任一项所述的方法。
CN202111634717.8A 2021-12-29 2021-12-29 视频流量内容检测与风控的方法和系统 Pending CN115529475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111634717.8A CN115529475A (zh) 2021-12-29 2021-12-29 视频流量内容检测与风控的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111634717.8A CN115529475A (zh) 2021-12-29 2021-12-29 视频流量内容检测与风控的方法和系统

Publications (1)

Publication Number Publication Date
CN115529475A true CN115529475A (zh) 2022-12-27

Family

ID=84693434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111634717.8A Pending CN115529475A (zh) 2021-12-29 2021-12-29 视频流量内容检测与风控的方法和系统

Country Status (1)

Country Link
CN (1) CN115529475A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116866211A (zh) * 2023-06-26 2023-10-10 中国信息通信研究院 一种改进的深度合成检测方法和系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509827A (zh) * 2017-02-27 2018-09-07 阿里巴巴集团控股有限公司 视频流中异常内容的识别方法及视频流处理系统和方法
CN108960143A (zh) * 2018-07-04 2018-12-07 北京航空航天大学 一种高分辨率可见光遥感图像中的舰船检测深度学习方法
CN109376603A (zh) * 2018-09-25 2019-02-22 北京周同科技有限公司 一种视频识别方法、装置、计算机设备及存储介质
CN109977812A (zh) * 2019-03-12 2019-07-05 南京邮电大学 一种基于深度学习的车载视频目标检测方法
CN109993297A (zh) * 2019-04-02 2019-07-09 南京吉相传感成像技术研究院有限公司 一种负载均衡的稀疏卷积神经网络加速器及其加速方法
CN110136198A (zh) * 2018-02-09 2019-08-16 腾讯科技（深圳）有限公司 图像处理方法及其装置、设备和存储介质
CN110209878A (zh) * 2018-08-02 2019-09-06 腾讯科技（深圳）有限公司 视频处理方法、装置、计算机可读介质及电子设备
CN110569809A (zh) * 2019-09-11 2019-12-13 淄博矿业集团有限责任公司 一种基于深度学习的煤矿动态人脸识别考勤方法及系统
CN110895695A (zh) * 2019-07-31 2020-03-20 上海海事大学 用于文本图片字符切分的深度学习网络、切分方法
CN111626171A (zh) * 2020-05-21 2020-09-04 青岛科技大学 基于视频片段注意力机制与交互关系活动图建模的群组行为识别方法
CN111915449A (zh) * 2020-04-07 2020-11-10 沈阳工业大学 基于vmd与omp的电力负荷数据降维重构处理方法
CN112528976A (zh) * 2021-02-09 2021-03-19 北京世纪好未来教育科技有限公司 文本检测模型的生成方法和文本检测方法
CN112784730A (zh) * 2021-01-20 2021-05-11 东南大学 一种基于时域卷积网络的多模态情感识别方法
CN113034534A (zh) * 2021-03-25 2021-06-25 上海商汤智能科技有限公司 图像分析方法及相关装置、电子设备、存储介质
CN113326760A (zh) * 2021-05-26 2021-08-31 上海哔哩哔哩科技有限公司 视频分类方法及装置
CN113657136A (zh) * 2020-05-12 2021-11-16 阿里巴巴集团控股有限公司 识别方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509827A (zh) * 2017-02-27 2018-09-07 阿里巴巴集团控股有限公司 视频流中异常内容的识别方法及视频流处理系统和方法
CN110136198A (zh) * 2018-02-09 2019-08-16 腾讯科技（深圳）有限公司 图像处理方法及其装置、设备和存储介质
CN108960143A (zh) * 2018-07-04 2018-12-07 北京航空航天大学 一种高分辨率可见光遥感图像中的舰船检测深度学习方法
CN110209878A (zh) * 2018-08-02 2019-09-06 腾讯科技（深圳）有限公司 视频处理方法、装置、计算机可读介质及电子设备
CN109376603A (zh) * 2018-09-25 2019-02-22 北京周同科技有限公司 一种视频识别方法、装置、计算机设备及存储介质
CN109977812A (zh) * 2019-03-12 2019-07-05 南京邮电大学 一种基于深度学习的车载视频目标检测方法
CN109993297A (zh) * 2019-04-02 2019-07-09 南京吉相传感成像技术研究院有限公司 一种负载均衡的稀疏卷积神经网络加速器及其加速方法
CN110895695A (zh) * 2019-07-31 2020-03-20 上海海事大学 用于文本图片字符切分的深度学习网络、切分方法
CN110569809A (zh) * 2019-09-11 2019-12-13 淄博矿业集团有限责任公司 一种基于深度学习的煤矿动态人脸识别考勤方法及系统
CN111915449A (zh) * 2020-04-07 2020-11-10 沈阳工业大学 基于vmd与omp的电力负荷数据降维重构处理方法
CN113657136A (zh) * 2020-05-12 2021-11-16 阿里巴巴集团控股有限公司 识别方法及装置
CN111626171A (zh) * 2020-05-21 2020-09-04 青岛科技大学 基于视频片段注意力机制与交互关系活动图建模的群组行为识别方法
CN112784730A (zh) * 2021-01-20 2021-05-11 东南大学 一种基于时域卷积网络的多模态情感识别方法
CN112528976A (zh) * 2021-02-09 2021-03-19 北京世纪好未来教育科技有限公司 文本检测模型的生成方法和文本检测方法
CN113034534A (zh) * 2021-03-25 2021-06-25 上海商汤智能科技有限公司 图像分析方法及相关装置、电子设备、存储介质
CN113326760A (zh) * 2021-05-26 2021-08-31 上海哔哩哔哩科技有限公司 视频分类方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116866211A (zh) * 2023-06-26 2023-10-10 中国信息通信研究院 一种改进的深度合成检测方法和系统
CN116866211B (zh) * 2023-06-26 2024-02-23 中国信息通信研究院 一种改进的深度合成检测方法和系统

Similar Documents

Publication Publication Date Title
US11416710B2 (en) Feature representation device, feature representation method, and program
CN108470077B (zh) 一种视频关键帧提取方法、系统及设备和存储介质
CN105426356A (zh) 一种目标信息识别方法和装置
CN108875482B (zh) 物体检测方法和装置、神经网络训练方法和装置
CN103077163B (zh) 数据预处理方法、装置及系统
CN111191654A (zh) 道路数据生成方法、装置、电子设备及存储介质
CN114170482B (zh) 一种文档预训练模型训练方法、装置、设备及介质
CN113032525A (zh) 虚假新闻检测方法、装置、电子设备以及存储介质
CN115471216A (zh) 智慧实验室管理平台的数据管理方法
CN115529475A (zh) 视频流量内容检测与风控的方法和系统
CN112463848A (zh) 检测用户异常行为的检测方法、系统、装置和存储介质
Souza et al. Maximal max-tree simplification
CN111488950A (zh) 分类模型信息输出方法及装置
CN116740607A (zh) 视频处理方法及装置、电子设备和存储介质
CN114358096A (zh) 一种基于逐级门限判决的深度学习摩尔斯码识别方法及装置
CN112836670A (zh) 基于自适应图网络的行人动作检测方法及装置
CN112348015A (zh) 一种基于级联神经网络的文字检测方法、装置及存储介质
CN115550684B (zh) 一种改进的视频内容过滤方法和系统
CN114154001A (zh) 虚假媒体内容挖掘与识别的方法和系统
CN115019235B (zh) 一种场景划分和内容检测的方法和系统
Kumar et al. MBC-CA: Multithreshold binary conversion based salt-and-pepper noise removal using cellular automata
CN114155461A (zh) 微小视频内容过滤与净化的方法和系统
CN112817587B (zh) 一种基于注意力机制的移动应用行为识别方法
CN116665128A (zh) 一种图像识别方法和相关装置
CN115525833A (zh) 基于单层分离的虚假媒体识别的方法和系统

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
CB02 Change of applicant information

Address after: 607a, 6 / F, No. 31, Fuchengmenwai street, Xicheng District, Beijing 100037

Applicant after: Beijing Guorui Digital Intelligence Technology Co.,Ltd.

Address before: 607a, 6 / F, No. 31, Fuchengmenwai street, Xicheng District, Beijing 100037

Applicant before: Beijing Zhimei Internet Technology Co.,Ltd.

CB02 Change of applicant information