CN111639198A - 媒体文件识别方法、装置、可读介质及电子设备 - Google Patents

媒体文件识别方法、装置、可读介质及电子设备 Download PDF

Info

Publication number
CN111639198A
CN111639198A CN202010495559.1A CN202010495559A CN111639198A CN 111639198 A CN111639198 A CN 111639198A CN 202010495559 A CN202010495559 A CN 202010495559A CN 111639198 A CN111639198 A CN 111639198A
Authority
CN
China
Prior art keywords
media file
identified
feature vector
database
target
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
CN202010495559.1A
Other languages
English (en)
Inventor
黄鑫
白刚
董琦
宋旸
肖洋
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.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network 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 ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010495559.1A priority Critical patent/CN111639198A/zh
Publication of CN111639198A publication Critical patent/CN111639198A/zh
Pending legal-status Critical Current

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
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/432—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/45—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/483—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种媒体文件识别方法、装置、可读介质及电子设备。所述方法包括：获取待识别媒体文件的特征向量，作为第一特征向量；确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。这样，无需人工干预，就能识别出任意一媒体文件是否属于数据库，识别效率有所提升，并且，由于是基于媒体文件本身的特征进行识别，能够保证识别准确性。另外，还可以将识别结果用于版权识别等场景，更好地保护原创内容不被滥用。

Description

媒体文件识别方法、装置、可读介质及电子设备
技术领域
本公开涉及计算机技术领域，具体地，涉及一种媒体文件识别方法、装置、可读介质及电子设备。
背景技术
随着计算机技术的发展，数据共享也越来越便利，例如，通过复制并粘贴的方式直接使用他人的数据，即，复制他人分享到线上的内容后粘贴该内容为自己所用。一般情况下，线上的多媒体内容(例如，图像、视频)由用户(或平台)创作并分享，随着线上多媒体内容的日益增加，用户(或平台)对自身原创内容的保护要求逐渐提高。因此，如何保护用户(或平台)的原创内容不被他人非法使用，是目前需要解决的重要问题。相关技术中，一般通过人工审核判断某一多媒体内容是否与用户(或平台)的原创内容来源相同，在这个过程中，需要依赖大量人力，效率不高，并且，还可能会出现判断错误的情况，准确率较低。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种媒体文件识别方法，所述方法包括：
获取待识别媒体文件的特征向量，作为第一特征向量；
确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；
根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
第二方面，本公开提供一种媒体文件识别装置，所述装置包括：
获取模块，用于获取待识别媒体文件的特征向量，作为第一特征向量；
第一确定模块，用于确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；
第二确定模块，用于根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。
通过上述技术方案，对于待识别媒体文件，首先获取其特征向量作为第一特征向量，并确定与第一特征向量对应的字符串，作为待识别媒体文件的第一指纹标识，之后，根据第一指纹标识，确定数据库中已存储的媒体文件中是否存在与待识别媒体文件相匹配的目标媒体文件，进而确定待识别媒体文件是否属于数据库。由此，通过提取待识别媒体文件的特征，得到能够唯一表征待识别媒体文件的第一指纹标识，再根据第一指纹标识确定待识别媒体文件是否属于数据库。这样，无需人工干预，就能识别出任意一媒体文件是否属于数据库，识别效率有所提升，并且，由于是基于媒体文件本身的特征进行识别，能够保证识别准确性。另外，还可以将识别结果用于版权识别等场景，更好地保护原创内容不被滥用。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
在附图中：
图1是根据本公开的一种实施方式提供的媒体文件识别方法的流程图；
图2是根据本公开提供的媒体文件识别方法中，确定与第一特征向量对应的字符串的步骤的一种示例性流程图；
图3根据本公开提供的媒体文件识别方法中，根据第一指纹标识，确定是否存在目标媒体文件的步骤的一种示例性流程图；
图4是根据本公开的一种实施方式提供的媒体文件识别装置的框图；
图5示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1是根据本公开的一种实施方式提供的媒体文件识别方法的流程图。如图1所示，该方法可以包括以下步骤。
在步骤11中，获取待识别媒体文件的特征向量，作为第一特征向量。
待识别媒体文件可以是图像或视频。需要说明的是，在未做额外说明的情况下，本方案中提到的媒体文件均是图像或视频。
一般情况下，用户(或平台)的原创内容可以被维护在自己的数据库中，数据库中存储有多样的媒体文件。本公开方案的目的在于识别某个外部的媒体文件是否属于数据库，也就是识别媒体文件是否与数据库中已存储的媒体文件相雷同，进而确定该媒体文件是否来源于数据库。
示例地，可以主动地获取待识别媒体文件，以主动地识别待识别媒体文件是否来源于数据库，主动规避风险。例如，可以对接某个平台的API，根据API token和账号信息抓取相应账号下投放的所有媒体文件，其中的每个媒体文件均可作为本公开中的待识别媒体文件，这样，依据本公开提供的方法，就能识别指定平台上、指定账号投放的内容是否来源于本数据库。
针对待识别媒体文件，获取待识别媒体文件的特征向量，作为第一特征向量。在这里，待识别媒体文件为图像或视频，其特征向量是视觉性的特征向量。也就是说，将非结构化的待识别媒体文件(图像或视频)转化为特定向量空间中的向量，作为待识别媒体文件的特征表示。特定向量空间的维度可以自由设定，如根据经验值设定。示例地，可以通过神经网络提取待识别文件的特征向量，作为第一特征向量。
转化的过程可以视为将数据从一个空间映射到另一个空间。其中，经过相同转换方式获得的特征向量处在相同的特征空间中，并且特征相近的数据在特征空间中的嵌入向量也相近。以图像为例，图像一般由RGB三个颜色通道的一个二维像素值表示，比如一个1024x1024像素的图像可以用一个3x1024x1024的高维向量表示。
在步骤12中，确定与第一特征向量对应的字符串，作为待识别媒体文件的第一指纹标识。
在获得第一特征向量后，可以进一步将第一特征向量转换为对应的字符串，作为待识别媒体文件的第一指纹标识，以唯一表示待识别媒体文件。由于第一特征向量表征了待识别媒体文件的视觉特征，得到的第一指纹标识也能够表征待识别媒体文件的视觉特征。在这里，第一特征向量向字符串的转换可以视为将数据从第一特征向量对应的向量空间中映射到字符串的空间中。其中，字符串的位数可以自由设定，如根据经验值设定。
在步骤13中，根据第一指纹标识，确定数据库中已存储的媒体文件中是否存在与待识别媒体文件相匹配的目标媒体文件，以确定待识别媒体文件是否属于数据库。
如上所述，第一指纹标识能够表征待识别媒体文件的视觉特征，而数据库中已存储的媒体文件的视觉特征明显是容易获得的，因此，基于第一指纹标识，能够确定数据库中已存储的媒体文件中是否存在与待识别媒体文件相匹配的目标媒体文件，以确定待识别媒体文件是否属于数据库。在这里，相匹配可以为相同，或者具有较高的相似度。
通过上述技术方案，对于待识别媒体文件，首先获取其特征向量作为第一特征向量，并确定与第一特征向量对应的字符串，作为待识别媒体文件的第一指纹标识，之后，根据第一指纹标识，确定数据库中已存储的媒体文件中是否存在与待识别媒体文件相匹配的目标媒体文件，进而确定待识别媒体文件是否属于数据库。由此，通过提取待识别媒体文件的特征，得到能够唯一表征待识别媒体文件的第一指纹标识，再根据第一指纹标识确定待识别媒体文件是否属于数据库。这样，无需人工干预，就能识别出任意一媒体文件是否属于数据库，识别效率有所提升，并且，由于是基于媒体文件本身的特征进行识别，能够保证识别准确性。另外，还可以将识别结果用于版权识别等场景，更好地保护原创内容不被滥用。
为了使本领域技术人员更加理解本发明实施例提供的技术方案，下面对上文中的相应步骤及相关概念进行详细的说明。
在一种可能的实施方式中，步骤11可以包括以下步骤：
将待识别媒体文件中的至少一图像输入至图像分类模型中，并从图像分类模型的特征提取层的输出内容中获取第一特征向量。
在一种可能的实施例中，若待识别媒体文件为图像，则直接将待识别媒体文件的图像输入至图像分类模型中。
在另一种可能的实施例中，若待识别媒体文件为视频，可以将待识别媒体文件中的全部图像(也就是视频的所有帧的图像)输入至图像分类模型中。由于在提取特征时使用了全部的图像，能够保证第一特征向量所包含信息的丰富性，更加全面地反映待识别媒体文件的视觉特征。
在另一种可能的实施例中，若待识别媒体文件为视频，可以先对待识别媒体文件进行抽帧处理，并将经抽帧处理后抽取出的若干图像输入至图像分类模型中。这样，通过抽帧处理选取出具有代表性的若干图像，基于这些图像提取特征，能够在保证准确性的前提下提升处理效率。其中，对视频进行抽帧处理的方式为本领域的公知常识，此处不详细说明。
其中，图像分类模型可以是对卷积神经网络进行训练而得到的模型。
示例地，图像分类模型可以通过以下方式获得：
获取多组训练数据，每组训练数据包括一历史媒体文件和该历史媒体文件对应的图像类别；
根据多组训练数据，对卷积神经网络模型进行训练，以获得图像分类模型。
在每一次的训练过程中，将一组训练数据中的历史媒体文件作为输入数据，并将该历史媒体文件对应的图像类别作为真实输出，对卷积神经网络模型进行训练，在不满足模型训练停止条件的情况下，根据模型针对本次输入的实际输出和训练数据中该历史媒体文件对应的真实输出对模型内部的参数进行调整，直至满足模型训练停止条件，以得到该图像分类模型。
在一次次的训练过程中，不断地对模型内部参数进行调整，使得最终得到的图像分类模型具有良好的分类效果，而图像分类模型的分类准确性依赖于模型内部各层的特征提取，从而，得到的图像分类模型的中间层能够较为准确地提取出媒体文件的视觉特征(即，图像特征)。
因此，要想获得待识别媒体文件的视觉特征，可以将待识别媒体文件输入到图像分类模型中，从图像分类模型的中间层获得第一特征向量。其中，可以从图像分类模型的特征提取层的输出内容中获取到第一特征向量。其中，特征提取层为图像分类模型中位于全连接层之前的某一层(如全连接层之前的最后一层)，通过位于全连接层之前的层能够提取到更加high-level的特征(即highlevel feature，它建立low level feature之上，可用于图像中目标或物体形状的识别和检测，具有更丰富的语义信息，通常卷积神经网络的前几层学***均池化层。
示例地，若待识别媒体文件为图像，可使用预训练的Inception-resnet-v2网络倒数第二层平均池化层的1536维输出作为图像的特征向量，能够在泛化任务中有效地表示图像(采用深度卷积网络提取图像特征嵌入)。再例如，若待识别媒体文件为视频，可以对视频抽取16帧112*112像素的视频帧图像作为输入，使用预训练的ResNeXt-101网络倒数第二层平均池化层的2048维输出作为视频的特征向量(采用3D卷积网络提取视频特征嵌入)。
下面对步骤12中，确定与第一特征向量对应的字符串，作为待识别媒体文件的第一指纹标识进行详细说明。
在一种可能的实施方式中，步骤12可以包括以下步骤，如图2所示。
在步骤21中，对第一特征向量进行矢量量化，将第一特征向量转换为预设维度的第二特征向量。
其中，预设维度小于第一特征向量的维度。
由于经步骤11获取到的第一特征向量较为复杂，在进行后续计算时需要较高的算力，因此，可以首先对第一特征向量进行矢量量化(vector quantization)，将第一特征向量转换为更低维度的第二特征向量，以减小后续的计算量，提升数据处理速度。也就是说，将实值的第一特征向量通过矢量量化技术转换成离散值的第二特征向量。其中，矢量量化的方式为本领域的公知常识，此处仅对其中的一种可实现的方式做示例性描述，对于其他的实现方式不做详细说明。
示例地，预设维度可以为128，相应地，可以采用分组聚类的方式对第一特征向量进行矢量量化，把高维的第一特征向量(浮点向量)映射成低维的第二特征向量(离散向量)。例如，将1536维的第一特征向量(对应上述示例中的图像)，每12维为一组，可分为128组子向量，每组子向量通过K-Means聚类模型聚类到128个(预设维度)聚类中心。再例如，将2048维的第一特征向量(对应上述示例中的视频)，每16维为一组，可分为128组子向量，每组子向量通过K-Means聚类模型聚类到128个(预设维度)聚类中心。其中，K-Means聚类模型可以采用数据库中已有的样本经过无监督训练得到。通过上述的矢量量化方法，可以将任意媒体文件的特征编码为一个128维(预设维度)向量。
在步骤22中，对第二特征向量进行编码转换，以将第二特征向量转换为预设位数的字符串，并将字符串作为第一指纹标识。
在得到第二特征向量后，可以对其进行编码转换，以将第二特征向量转换为预设位数的字符串，这个字符串可以唯一地表示第二特征向量，即可以唯一表示待识别媒体文件对应的视觉特征。示例地，预设位数的字符串可以为32位16进制字符串。举例来说，若第二特征向量为128维向量，预设位数的字符串为32位字符串，则可以将第二特征向量的每4维为一组(即，使用字符串中的一位表示第二特征向量中的4维)，也就是，将128维向量映射到32位字符串的空间中。其中，将向量转化为字符的方式为本领域的公知常识，因此更加具体的说明此处不给出。
在另一种可能的实施方式中，还可以省略上述的矢量量化步骤，以快速获得第一指纹标识，即：
对第一特征向量进行编码转换，以将第一特征向量转换为预设位数的字符串，并将该字符串作为第一指纹标识。
其中，编码转换的方式与前文中给出的类似，即，将第一特征向量映射到字符串空间中，属于本领域的公知常识，此处不赘述。
在一种可能的方式中，步骤13可以包括以下步骤，如图3所示。
在步骤31中，根据第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在目标媒体文件；
在步骤32中，若存在目标媒体文件，确定待识别媒体文件属于数据库；
在步骤33中，若不存在目标媒体文件，确定待识别媒体文件不属于数据库。
数据库中已存储的媒体文件中，每一媒体文件可以对应有各自的第二指纹标识。第二指纹标识为就是已存储的媒体文件对应的能表征其视觉特征的字符串。第二指纹标识的获得方式与第一指纹标识的原理相同，即：获取媒体文件的特征向量，并转化为字符串。具体内容可参考前文给出的对步骤11、12的解释说明，此处不赘述。在这里，数据库中已存储的媒体文件可以对应于前文所述的用户(或平台)的原创内容。
在一种可能的实施例中，可以将待识别媒体文件与数据库中的媒体文件进行模糊匹配，以提升匹配的容错性，避免错失与待识别媒体文件一致的目标媒体文件。相应地，步骤31可以包括以下步骤：
分别计算第一指纹标识与每一第二指纹标识的相似度；
若相似度中存在大于预设相似度阈值的目标相似度，将目标相似度对应的已存储的媒体文件确定为目标媒体文件；
若相似度中不存在目标相似度，确定不存在目标媒体文件。
示例地，可以通过计算第一指纹标识和第二指纹标识在指定空间内的距离，以确定二者之间的相似度，其中，二者距离越远，相似度越低，距离越近，则相似度越高。再例如，可以直接使用例如余弦相似度等计算方式计算第一指纹标识和第二指纹标识之间的相似度。
在另一种可能的实施例中，可以将待识别媒体文件与数据库中的媒体文件进行精准匹配，以保证匹配的准确度，找到与待识别媒体文件一致的目标媒体文件。相应地，步骤31可以包括以下步骤：
若第二指纹标识中存在与第一指纹标识相同的第二指纹标识，将与第一指纹标识相同的第二指纹标识对应的已存储的媒体文件确定为目标媒体文件；
若不存在与第一指纹标识相同的第二指纹标识，确定不存在目标媒体文件。
示例地，可以逐位对第一指纹标识和第二指纹标识进行比较，若字符串的每一位都对应相同，即可确定二者相同。
可选地，本公开提供的方法还可以包括以下步骤：
若确定待识别媒体文件属于数据库，输出提示信息。
其中，提示信息用于提示待识别媒体文件与目标媒体文件相同。
若确定待识别媒体文件属于数据库，说明待识别媒体文件与数据库中已有的某个媒体文件雷同，即，待识别媒体文件来源于目标媒体文件，因此，可以输出提示信息，以提示待识别媒体文件与目标媒体文件相同，便于快速定位被使用的媒体文件。
图4是根据本公开的一种实施方式提供的媒体文件识别装置的框图。如图4所示，该装置40可以包括：
获取模块41，用于获取待识别媒体文件的特征向量，作为第一特征向量；
第一确定模块42，用于确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；
第二确定模块43，用于根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
可选地，所述获取模块41用于将所述待识别媒体文件中的至少一图像输入至图像分类模型中，并从所述图像分类模型的特征提取层的输出内容中获取所述第一特征向量，其中，所述特征提取层为所述图像分类模型中位于全连接层之前的一层。
可选地，所述第一确定模块42包括：
第一转换子模块，用于对所述第一特征向量进行矢量量化，将所述第一特征向量转换为预设维度的第二特征向量，其中，所述预设维度小于所述第一特征向量的维度；
第二转换子模块，用于对所述第二特征向量进行编码转换，以将所述第二特征向量转换为预设位数的字符串，并将所述字符串作为所述第一指纹标识。
可选地，所述第二确定模块43包括：
第一确定子模块，用于根据所述第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在所述目标媒体文件，其中，所述第二指纹标识为与已存储的媒体文件对应的字符串；
第二确定子模块，用于若存在所述目标媒体文件，确定所述待识别媒体文件属于所述数据库；
第三确定子模块，用于若不存在所述目标媒体文件，确定所述待识别媒体文件不属于所述数据库。
可选地，所述第一确定子模块用于：分别计算所述第一指纹标识与每一所述第二指纹标识的相似度；若所述相似度中存在大于预设相似度阈值的目标相似度，将所述目标相似度对应的已存储的媒体文件确定为所述目标媒体文件；若所述相似度中不存在所述目标相似度，确定不存在所述目标媒体文件。
可选地，所述第一确定子模块用于：若所述第二指纹标识中存在与所述第一指纹标识相同的第二指纹标识，将所述与所述第一指纹标识相同的第二指纹标识对应的已存储的媒体文件确定为所述目标媒体文件；若不存在所述与所述第一指纹标识相同的第二指纹标识，确定不存在所述目标媒体文件。
可选地，所述装置40还包括：
输出模块，用于若确定所述待识别媒体文件属于所述数据库，输出提示信息，所述提示信息用于提示所述待识别媒体文件与所述目标媒体文件相同。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待识别媒体文件的特征向量，作为第一特征向量；确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取待识别媒体文件的特征向量作为第一特征向量的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
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***、装置或设备使用或与指令执行***、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***、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。
根据本公开的一个或多个实施例，提供了一种媒体文件识别方法，所述方法包括：
获取待识别媒体文件的特征向量，作为第一特征向量；
确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；
根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
根据本公开的一个或多个实施例，提供了一种媒体文件识别方法，所述获取待识别媒体文件的特征向量，作为第一特征向量，包括：
将所述待识别媒体文件中的至少一图像输入至图像分类模型中，并从所述图像分类模型的特征提取层的输出内容中获取所述第一特征向量，其中，所述特征提取层为所述图像分类模型中位于全连接层之前的一层。
根据本公开的一个或多个实施例，提供了一种媒体文件识别方法，所述确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识，包括：
对所述第一特征向量进行矢量量化，将所述第一特征向量转换为预设维度的第二特征向量，其中，所述预设维度小于所述第一特征向量的维度；
对所述第二特征向量进行编码转换，以将所述第二特征向量转换为预设位数的字符串，并将所述字符串作为所述第一指纹标识。
根据本公开的一个或多个实施例，提供了一种媒体文件识别方法，所述根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库，包括：
根据所述第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在所述目标媒体文件，其中，所述第二指纹标识为与已存储的媒体文件对应的字符串；
若存在所述目标媒体文件，确定所述待识别媒体文件属于所述数据库；
若不存在所述目标媒体文件，确定所述待识别媒体文件不属于所述数据库。
根据本公开的一个或多个实施例，提供了一种媒体文件识别方法，所述根据所述第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在与所述待识别媒体文件相匹配的目标媒体文件，包括：
分别计算所述第一指纹标识与每一所述第二指纹标识的相似度；
若所述相似度中存在大于预设相似度阈值的目标相似度，将所述目标相似度对应的已存储的媒体文件确定为所述目标媒体文件；
若所述相似度中不存在所述目标相似度，确定不存在所述目标媒体文件。
根据本公开的一个或多个实施例，提供了一种媒体文件识别方法，所述根据所述第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在与所述待识别媒体文件相匹配的目标媒体文件，包括：
若所述第二指纹标识中存在与所述第一指纹标识相同的第二指纹标识，将所述与所述第一指纹标识相同的第二指纹标识对应的已存储的媒体文件确定为所述目标媒体文件；
若不存在所述与所述第一指纹标识相同的第二指纹标识，确定不存在所述目标媒体文件。
根据本公开的一个或多个实施例，提供了一种媒体文件识别方法，所述方法还包括：
若确定所述待识别媒体文件属于所述数据库，输出提示信息，所述提示信息用于提示所述待识别媒体文件与所述目标媒体文件相同。
根据本公开的一个或多个实施例，提供了一种媒体文件识别装置，所述装置包括：
获取模块，用于获取待识别媒体文件的特征向量，作为第一特征向量；
第一确定模块，用于确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；
第二确定模块，用于根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开任意实施例提供的媒体文件识别方法的步骤。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开任意实施例提供的媒体文件识别方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种媒体文件识别方法，其特征在于，所述方法包括：
获取待识别媒体文件的特征向量，作为第一特征向量；
确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；
根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
2.根据权利要求1所述的方法，其特征在于，所述获取待识别媒体文件的特征向量，作为第一特征向量，包括：
将所述待识别媒体文件中的至少一图像输入至图像分类模型中，并从所述图像分类模型的特征提取层的输出内容中获取所述第一特征向量，其中，所述特征提取层为所述图像分类模型中位于全连接层之前的一层。
3.根据权利要求1所述的方法，其特征在于，所述确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识，包括：
对所述第一特征向量进行矢量量化，将所述第一特征向量转换为预设维度的第二特征向量，其中，所述预设维度小于所述第一特征向量的维度；
对所述第二特征向量进行编码转换，以将所述第二特征向量转换为预设位数的字符串，并将所述字符串作为所述第一指纹标识。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库，包括：
根据所述第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在所述目标媒体文件，其中，所述第二指纹标识为与已存储的媒体文件对应的字符串；
若存在所述目标媒体文件，确定所述待识别媒体文件属于所述数据库；
若不存在所述目标媒体文件，确定所述待识别媒体文件不属于所述数据库。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在与所述待识别媒体文件相匹配的目标媒体文件，包括：
分别计算所述第一指纹标识与每一所述第二指纹标识的相似度；
若所述相似度中存在大于预设相似度阈值的目标相似度，将所述目标相似度对应的已存储的媒体文件确定为所述目标媒体文件；
若所述相似度中不存在所述目标相似度，确定不存在所述目标媒体文件。
6.根据权利要求4所述的方法，其特征在于，所述根据所述第一指纹标识和数据库中已存储的媒体文件各自对应的第二指纹标识，确定是否存在与所述待识别媒体文件相匹配的目标媒体文件，包括：
若所述第二指纹标识中存在与所述第一指纹标识相同的第二指纹标识，将所述与所述第一指纹标识相同的第二指纹标识对应的已存储的媒体文件确定为所述目标媒体文件；
若不存在所述与所述第一指纹标识相同的第二指纹标识，确定不存在所述目标媒体文件。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
若确定所述待识别媒体文件属于所述数据库，输出提示信息，所述提示信息用于提示所述待识别媒体文件与所述目标媒体文件相同。
8.一种媒体文件识别装置，其特征在于，所述装置包括：
获取模块，用于获取待识别媒体文件的特征向量，作为第一特征向量；
第一确定模块，用于确定与所述第一特征向量对应的字符串，作为所述待识别媒体文件的第一指纹标识；
第二确定模块，用于根据所述第一指纹标识，确定所述数据库中已存储的媒体文件中是否存在与所述待识别媒体文件相匹配的目标媒体文件，以确定所述待识别媒体文件是否属于所述数据库。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
CN202010495559.1A 2020-06-03 2020-06-03 媒体文件识别方法、装置、可读介质及电子设备 Pending CN111639198A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010495559.1A CN111639198A (zh) 2020-06-03 2020-06-03 媒体文件识别方法、装置、可读介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010495559.1A CN111639198A (zh) 2020-06-03 2020-06-03 媒体文件识别方法、装置、可读介质及电子设备

Publications (1)

Publication Number Publication Date
CN111639198A true CN111639198A (zh) 2020-09-08

Family

ID=72331360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010495559.1A Pending CN111639198A (zh) 2020-06-03 2020-06-03 媒体文件识别方法、装置、可读介质及电子设备

Country Status (1)

Country Link
CN (1) CN111639198A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239224A (zh) * 2021-05-14 2021-08-10 百度在线网络技术（北京）有限公司 异常文档识别方法、装置、设备和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105959686A (zh) * 2016-06-22 2016-09-21 腾讯科技（深圳）有限公司 一种视频特征提取方法、视频匹配方法及装置
CN107750015A (zh) * 2017-11-02 2018-03-02 腾讯科技（深圳）有限公司 视频版权的检测方法、装置、存储介质及设备
CN108287859A (zh) * 2017-05-10 2018-07-17 腾讯科技（深圳）有限公司 一种多媒体信息检索方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105959686A (zh) * 2016-06-22 2016-09-21 腾讯科技（深圳）有限公司 一种视频特征提取方法、视频匹配方法及装置
CN108287859A (zh) * 2017-05-10 2018-07-17 腾讯科技（深圳）有限公司 一种多媒体信息检索方法及装置
CN107750015A (zh) * 2017-11-02 2018-03-02 腾讯科技（深圳）有限公司 视频版权的检测方法、装置、存储介质及设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113239224A (zh) * 2021-05-14 2021-08-10 百度在线网络技术（北京）有限公司 异常文档识别方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN108427939B (zh) 模型生成方法和装置
CN111476309A (zh) 图像处理方法、模型训练方法、装置、设备及可读介质
CN110222775B (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN111369427A (zh) 图像处理方法、装置、可读介质和电子设备
CN113704531A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN113222983A (zh) 图像处理方法、装置、可读介质和电子设备
CN113033580B (zh) 图像处理方法、装置、存储介质及电子设备
CN112766284B (zh) 图像识别方法和装置、存储介质和电子设备
CN110826567A (zh) 光学字符识别方法、装置、设备及存储介质
CN112883968A (zh) 图像字符识别方法、装置、介质及电子设备
CN113610034B (zh) 识别视频中人物实体的方法、装置、存储介质及电子设备
WO2022012178A1 (zh) 用于生成目标函数的方法、装置、电子设备和计算机可读介质
CN114067327A (zh) 文本识别方法、装置、可读介质及电子设备
CN111639198A (zh) 媒体文件识别方法、装置、可读介质及电子设备
CN110674813B (zh) 汉字识别方法、装置、计算机可读介质及电子设备
CN115631330B (zh) 特征提取方法、模型训练方法、图像识别方法及应用
CN110765304A (zh) 图像处理方法、装置、电子设备及计算机可读介质
CN116503596A (zh) 图片分割方法、装置、介质和电子设备
CN116416645A (zh) 基于双分支Transformer网络的属性与图像跨模态行人再辨识方法及装置
CN113986958B (zh) 文本信息的转换方法、装置、可读介质和电子设备
CN113033682B (zh) 视频分类方法、装置、可读介质、电子设备
CN115205089A (zh) 图像加密方法、网络模型的训练方法、装置及电子设备
CN115359400A (zh) 视频识别方法、装置、介质及电子设备
CN114625876A (zh) 作者特征模型的生成方法、作者信息处理方法和装置
CN114494379A (zh) 基于fpfh的凸包辅助三维点云配准方法、设备及介质

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