Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州网易智企科技有限公司李唐薇获国家专利权

杭州网易智企科技有限公司李唐薇获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉杭州网易智企科技有限公司申请的专利违规图片的识别方法、介质和计算设备获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114708470B

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210393479.4,技术领域涉及:G06V10/774;该发明授权违规图片的识别方法、介质和计算设备是由李唐薇;周森;朱浩齐;杨卫强;李雨珂;胡宜峰设计研发完成,并于2022-04-15向国家知识产权局提交的专利申请。

违规图片的识别方法、介质和计算设备在说明书摘要公布了:本公开的实施方式提供了一种违规图片的识别方法。该方法包括:将待识别的第一图片输入至识别模型,以基于所述识别模型的输出结果确定所述第一图片的合规性;其中,所述识别模型包括多个相互独立的监督模型,以及多个相互独立的半监督模型;所述识别模型是通过对所述多个监督模型以及所述多个半监督模型进行训练而获得的。通过多个相互独立的监督模型和多个相互独立的半监督模型可以训练出用于识别违规图像的识别模块,克服了单一训练模型泛化能力弱的问题,从而显著地提高了识别模型对违规图片的识别准确性,违规图片的识别精度较高。此外,本公开的实施方式提供了一种介质和计算设备。

本发明授权违规图片的识别方法、介质和计算设备在权利要求书中公布了:1.一种违规图片的识别方法,其特征在于,包括: 将待识别的第一图片输入至识别模型,以基于所述识别模型的输出结果确定所述第一图片的合规性;其中,所述识别模型包括多个相互独立的监督模型,以及多个相互独立的半监督模型;还包括: 通过样本数据池中的样本数据对所述多个监督模型以及所述多个半监督模型进行训练,以获得所述识别模型;其中,所述样本数据包括:在真实的违规图片识别业务中所出现的第一无标签数据,以及,从公共图片资源池中所收集的第二无标签数据; 所述通过样本数据池中的样本数据对所述多个监督模型以及所述多个半监督模型进行训练,包括: 为所述第一无标签数据添加标签; 为所述第二无标签数据添加标签; 所述为所述第一无标签数据添加标签,包括: 将所述第一无标签数据输入所述多个监督模型,以获得各个监督模型对于所述第一无标签数据中第一样本图片所应归属的违规类别的第一概率预测值; 响应于所述监督模型对于所述第一样本图片所应归属的违规类别的第一概率预测值大于预设的第一概率阈值,为所述第一样本图片添加所述监督模型所判定的第一违规类别标签; 基于投票机制从各个所述监督模型所判定的第一违规类别标签中确定所述第一样本图片的第一预测标签,并为所述第一样本图片所属的第一无标签数据添加第一预测标签,得到第二有标签数据; 所述为所述第二无标签数据添加标签,包括: 为第二部分的多个所述第二无标签数据添加负样本的标签; 所述为第二部分的多个所述第二无标签数据添加负样本的标签,包括: 将所述第二无标签数据输入所述多个监督模型,获得出现误判的第三无标签数据; 采用各个所述半监督模型对各个所述第三无标签数据以及所述第二有标签数据进行半监督学习,得到所述第三无标签数据所属违规类别出现误判的半监督模型; 将所述第二无标签数据输入所述第三无标签数据所属违规类别出现误判的半监督模型,获得所述半监督模型对出现误判所述第二无标签数据中第二样本图片所应归属的违规类别的第三概率预测值; 对大于预设的第四概率阈值的第三概率预测值的第二无标签数据,添加负样本的标签。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人杭州网易智企科技有限公司,其通讯地址为:310052 浙江省杭州市滨江区长河街道网商路399号3幢408室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。