CN112241704A - 一种判定肖像侵权的方法、装置、电子设备及存储介质 - Google Patents
一种判定肖像侵权的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112241704A CN112241704A CN202011110776.0A CN202011110776A CN112241704A CN 112241704 A CN112241704 A CN 112241704A CN 202011110776 A CN202011110776 A CN 202011110776A CN 112241704 A CN112241704 A CN 112241704A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- celebrity
- infringement
- trained
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000004044 response Effects 0.000 claims abstract description 26
- 230000015654 memory Effects 0.000 claims description 18
- 230000003416 augmentation Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 229930014626 natural product Natural products 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种判定肖像侵权的方法、装置、电子设备及存储介质,涉及深度学习和图像处理技术领域。具体方案为:将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征;基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像。本申请实施例可以对漫画形式的人物肖像进行识别,从而可以更大程度地避免肖像侵权。
Description
技术领域
本申请涉及人工智能领域,进一步涉及深度学习和图像处理技术领域,尤其是一种判定肖像侵权的方法、装置、电子设备及存储介质。
背景技术
广告作为产品宣传扩大品牌影响力的有效形式,正以各种形式充斥在我们生活的各个角落。通常情况下,有创意的使用名人效应进行广告宣传,通常对产品销售起良好的正向作用。但有些广告主未经许可,私自在自己的广告中使用名人形象、名人漫画形象、军人形象、医生形象等来提升广告的曝光度。存在误导大众的可能,进而引发侵害消费者合法权益。
通常情况下,先基于预定方法对待检测图像进行识别,然后基于基本结果判定侵权或者不侵权。具体地,对待检测图像进行识别的方法通常包括以下两种:1)基于传统的机器学习方法进行肖像识别:基于手动设计特征(Gabor、LBP、小波滤波、HAAR等)进行人脸检测;基于传统的机器学习方法(PCA、SVM、LDA等)进行肖像识别;2)基于深度学习的方法进行肖像识别:通过基于深度学习的人脸检测器,如:SSD、YOLO等,对检测到人脸基于深度学习算法进行识别,如VGG、Resnet系列等。
上述方案1)手工设计的浅层表征对于复杂的非线性人脸外观变化、光照、遮挡、姿态鲁棒性差;上述方案2)相比基于手工设计特征的传统方法鲁棒性更强;但是实际的肖像侵权方式多种多样,不仅包括真实的人物肖像,还包括漫画形式的人物肖像。上述识别方式只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低。
发明内容
本申请提供了一种判定肖像侵权的方法、装置、电子设备及存储介质,可以对漫画形式的人物肖像进行识别,从而可以更大程度地避免肖像侵权。
第一方面,本申请提供了一种判定肖像侵权的方法,所述方法包括:
将待检测图像输入至预先训练好的侵权判定模型中;通过所述侵权判定模型得到所述待检测图像的人脸特征;
基于所述待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算所述待检测图像与各个名人图像的相似度得分;其中,所述名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;
响应于所述相似度得分高于或者等于第一预定分值,判定所述待检测图像为侵权图像。
第二方面,本申请提供了一种判定肖像侵权的装置,所述装置包括:特征提取模块、计算模块和判定模块;其中,
所述特征提取模块,用于将待检测图像输入至预先训练好的侵权判定模型中;通过所述侵权判定模型得到所述待检测图像的人脸特征;
所述计算模块,用于基于所述待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算所述待检测图像与各个名人图像的相似度得分;其中,所述名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;
所述判定模块,用于响应于所述相似度得分高于或者等于第一预定分值,判定所述待检测图像为侵权图像。
第三方面,本申请实施例提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本申请任意实施例所述的判定肖像侵权的方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请任意实施例所述的判定肖像侵权的方法。
根据本申请的技术解决了现有技术只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低的技术问题,本申请提供的技术方案,可以对漫画形式的人物肖像进行识别,从而可以更大程度地避免肖像侵权。
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
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请实施例提供的判定肖像侵权的方法的第一流程示意图;
图2是本申请实施例提供的判定肖像侵权的方法的第二流程示意图;
图3是本申请实施例提供的判定肖像侵权的方法的第三流程示意图;
图4是本申请实施例提供的判定肖像侵权的装置的结构示意图;
图5是用来实现本申请实施例的判定肖像侵权的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请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,而不会背离本申请的范围和精神。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。
实施例一
图1是本申请实施例提供的判定肖像侵权的方法的第一流程示意图,该方法可以由判定肖像侵权的装置或者电子设备来执行,该装置或者电子设备可以由软件和/或硬件的方式实现,该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示,判定肖像侵权的方法可以包括以下步骤:
S101、将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征。
在本步骤中,电子设备可以将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征。具体地,电子设备可以将待检测图像输入至第一卷积神经网络,生成待检测图像的特征区域图像集合;然后将特征区域图像集合中的每个特征区域图像输入对应的第二卷积神经网络,生成该特征区域图像的区域人脸特征;根据特征区域图像集合中的各特征区域图像的区域人脸特征,生成待检测图像的人脸特征。
S102、基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像。
在本步骤中,电子设备可以基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像。具体地,电子设备可以在名人图像库中提取出一个名人图像作为当前名人图像;然后基于待检测图像的人脸特征和当前名人图像的人脸特征,计算待检测图像与当前名人图像的相似度得分;重复执行上述操作,直到计算出待检测图像与各个名人图像的相似度得分。
S103、响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像。
在本步骤中,电子设备可以响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像;响应于相似度得分低于第一预定分值,直接判定待检测图像为不侵权图像;或者,响应于相似度得分低于第一预定分值,进一步通过侵权判定模型得到待检测图像的人体特征;然后将待检测图像的人体特征输入至预先训练好的职业分类网络中;通过职业分类网络得到待检测图像与各个预定职业类别的图像的相似度得分;预定职业类别包括但不限于以下其中之一:军人、医生、公职人员;响应于相似度得分高于或者等于第二预定分值,电子设备可以判定待检测图像为侵权图像;响应于相似度低于第二预定分值,判定待检测图像为不侵权图像。
本申请实施例提出的判定肖像侵权的方法,先将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征;然后基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像。也就是说,本申请可以在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像,从而可以基于名人图像库中的真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像判定待检测图像是否为侵权图像。而在现有的判定肖像侵权的方法中,只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低。因为本申请采用了在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像的技术手段,克服了现有技术只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低的技术问题,本申请提供的技术方案,可以对漫画形式的人物肖像进行识别,从而可以更大程度地避免肖像侵权;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
图2是本申请实施例提供的判定肖像侵权的方法的第二流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图2所示,判定肖像侵权的方法可以包括以下步骤:
S201、在至少一个真实的名人图像中提取出一个图像作为当前真实的名人图像。
在本步骤中,电子设备可以在至少一个真实的名人图像中提取出一个图像作为当前真实的名人图像。具体地,假设名人图像库中保存有M个真实的名人图像,M为大于等于1的自然数;电子设备可以在M个真实的名人图像中提取出一个图像作为当前真实的名人图像。
S202、将当前真实的名人图像输入至预先训练好的肖像增广网络中;通过肖像增广网络得到当前真实的名人图像对应的至少一个漫画形式的名人图像;重复执行上述操作,直到得到各个真实的名人图像对应的至少一个漫画形式的名人图像。
在本步骤中,电子设备可以将当前真实的名人图像输入至预先训练好的肖像增广网络中;通过肖像增广网络得到当前真实的名人图像对应的至少一个漫画形式的名人图像;重复执行上述操作,直到得到各个真实的名人图像对应的至少一个漫画形式的名人图像。具体地,电子设备可以将当前真实的名人图像输入至预先训练好的生成对抗网络(Generate Adversarial Network,简称GAN)中;通过GAN得到当前真实的名人图像对应的至少一个漫画形式的名人图像。具体地,GAN的具体方法不做限制,如:Cycle GAN、StyleGAN等。通过该GAN可以生成大量的漫画形式的名人图像。不断地收集真实的名人图像的同时,漫画形式的名人图像也随之增多,采用本申请提供的技术方案,不仅可以针对真实的名人图像进行侵权判定,还可以针对漫画形式的名人图像进行侵权判定。
S203、将各个真实的名人图像和各个真实的名人图像对应的至少一个漫画形式的名人图像保存至名人图像库中。
在本步骤中,电子设备可以将各个真实的名人图像和各个真实的名人图像对应的至少一个漫画形式的名人图像保存至名人图像库中。具体地,假设真实的名人图像为M个,则电子设备可以在名人图像库构建M个图像集合,将各个真实的名人图像对应的至少一个漫画形式的名人图像保存在与其对应的图像集合中。
S204、将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征。
S205、基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像。
S206、响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像。
本申请实施例提出的判定肖像侵权的方法,先将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征;然后基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像。也就是说,本申请可以在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像,从而可以基于名人图像库中的真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像判定待检测图像是否为侵权图像。而在现有的判定肖像侵权的方法中,只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低。因为本申请采用了在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像的技术手段,克服了现有技术只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低的技术问题,本申请提供的技术方案,可以对漫画形式的人物肖像进行识别,从而可以更大程度地避免肖像侵权;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图3是本申请实施例提供的判定肖像侵权的方法的第三流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图3所示,判定肖像侵权的方法可以包括以下步骤:
S301、将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征。
S302、基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像。
S303、响应于相似度得分低于第一预定分值,通过侵权判定模型得到待检测图像的人体特征;人体特征包括至少一个人体部件的特征。
在本步骤中,电子设备可以响应于相似度得分低于第一预定分值,通过侵权判定模型得到待检测图像的人体特征;人体特征包括至少一个人体部件的特征。例如,人体部件可以包括:人脸、半身、人体等。具体地,特征提取方法如:DenseNet、Non-local。
S304、将待检测图像的人体特征输入至预先训练好的职业分类网络中;通过职业分类网络得到待检测图像与各个预定职业类别的图像的相似度得分;预定职业类别包括但不限于以下其中之一:军人、医生、公职人员。
在本步骤中,电子设备可以将待检测图像的人体特征输入至预先训练好的职业分类网络中;通过职业分类网络得到待检测图像与各个预定职业类别的图像的相似度得分;预定职业类别包括但不限于以下其中之一:军人、医生、公职人员。例如,电子设备可以通过职业分类网络得到待检测图像与军人的图像的相似度得分;还可以通过职业分类网络待检测图像与医生的图像的相似度得分;还可以通过职业分类网络待检测图像与公职人员的图像的相似度得分;等等。
S305、响应于相似度得分高于或者等于第二预定分值,判定待检测图像为侵权图像。
在本步骤中,电子设备可以响应于相似度得分高于或者等于第二预定分值,判定待检测图像为侵权图像;响应于相似度得分低于第二预定分值,判定待检测图像为不侵权图像。
较佳地,在本申请的具体实施例中,电子设备在将待检测图像的人体特征输入至预先训练好的职业分类网络中之后,通过职业分类网络得到待检测图像与各个预定职业类别的图像的相似度得分之前,还可以通过职业分类网络得到待检测图像对应的职业信息;其中,职业信息包括但不限于:职业分类、各类职业劳动特点、工作岗位等;然后根据待检测图像对应的职业信息判定待检测图像为疑似侵权职业的图像或者非疑似侵权职业的图像;响应于待检测图像为疑似侵权职业的图像,电子设备可以通过职业分类网络得到待检测图像与各个预定职业类别的图像的相似度得分;响应于待检测图像为非疑似侵权职业的图像,电子设备可以判定待检测图像为不侵权图像。
较佳地,在本申请的具体实施例中,电子设备在通过侵权判定模型得到待检测图像的人体特征之后,将待检测图像的人体特征输入至预先训练好的职业分类网络中之前,还包括将待检测图像的人体特征进行融合,得到待检测图像的融合后的人体特征;将待检测图像的融合后的人体特征输入至预先训练好的职业分类网络中。具体地,对提取到的人体特征进行融合,如拼接、相加、相乘等线性操作,对融合后的人体特征使用SVM、softmax等进行职业分类,得到该肖像的职业信息,通过职业信息辅助判断是否存在肖像侵权风险。
较佳地,在本申请的具体实施例中,电子设备在将待检测图像输入至预先训练好的侵权判定模型中之前,还可以对待训练的侵权判定模型进行训练。具体地,电子设备可以响应于待训练的侵权判定模型不满足收敛条件,将当前样本图像输入至待训练的侵权判定模型中;使用当前样本图像对侵权判定模型进行训练,将下一个图像作为当前样本图像,重复执行上述操作,直到待训练的侵权判定模型满足收敛条件;从而可以得到预先训练好的侵权判定模型。
本申请实施例在图像肖像侵权识别***中引入多特征融合及多种属性信息辅助判断策略,极大地提高了图像肖像侵权风险识别的准确率,并对于名人漫画肖像、非名人肖像侵权风险进行有效识别。有效地过滤掉存在肖像侵权风险的图像,既保证了合法使用肖像权的广告主推广扩大品牌影响力的同时,又避免了公司商业产品线和自然产品线存在肖像侵权广告影响公司形象的风险。自动地授权关系判定可大幅降低人工审核的人力成本及授权关系查询的时间成本。
本申请实施例提出的判定肖像侵权的方法,先将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征;然后基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像。也就是说,本申请可以在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像,从而可以基于名人图像库中的真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像判定待检测图像是否为侵权图像。而在现有的判定肖像侵权的方法中,只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低。因为本申请采用了在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像的技术手段,克服了现有技术只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低的技术问题,本申请提供的技术方案,可以对漫画形式的人物肖像进行识别,从而可以更大程度地避免肖像侵权;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例四
图4是本申请实施例提供的判定肖像侵权的装置的结构示意图。如图4所示,所述装置400包括:特征提取模块401、计算模块402和判定模块403;其中,
所述特征提取模块401,用于将待检测图像输入至预先训练好的侵权判定模型中;通过所述侵权判定模型得到所述待检测图像的人脸特征;
所述计算模块402,用于基于所述待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算所述待检测图像与各个名人图像的相似度得分;其中,所述名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;
所述判定模块403,用于响应于所述相似度得分高于或者等于第一预定分值,判定所述待检测图像为侵权图像。
进一步的,所述模块还包括:肖像增广模块404(图中未示出),用于在所述至少一个真实的名人图像中提取出一个图像作为当前真实的名人图像;将所述当前真实的名人图像输入至预先训练好的肖像增广网络中;通过所述肖像增广网络得到所述当前真实的名人图像对应的至少一个漫画形式的名人图像;重复执行上述操作,直到得到各个真实的名人图像对应的至少一个漫画形式的名人图像;将各个真实的名人图像和各个真实的名人图像对应的至少一个漫画形式的名人图像保存至所述名人图像库中。
进一步的,所述特征提取模块401,还用于响应于所述相似度得分低于所述第一预定分值,通过所述侵权判定模型得到所述待检测图像的人体特征;所述人体特征包括至少一个人体部件的特征;
所述判定模块403,还用于将所述待检测图像的人体特征输入至预先训练好的职业分类网络中;通过所述职业分类网络得到所述待检测图像与各个预定职业类别的图像的相似度得分;所述预定职业类别包括但不限于以下其中之一:军人、医生、公职人员;响应于所述相似度得分高于或者等于第二预定分值,判定所述待检测图像为侵权图像。
进一步的,所述判定模块403,还用于通过所述职业分类网络得到所述待检测图像对应的职业信息;根据所述待检测图像对应的职业信息判定所述待检测图像为疑似侵权职业的图像或者非疑似侵权职业的图像;响应于所述待检测图像为疑似侵权职业的图像,通过所述职业分类网络得到所述待检测图像与各个预定职业类别的图像的相似度得分。
进一步的,所述判定模块403,还用于将所述待检测图像的人体特征进行融合,得到所述待检测图像的融合后的人体特征;将所述待检测图像的融合后的人体特征输入至所述预先训练好的职业分类网络中。
进一步的,所述装置还包括:训练模块405(图中未示出),用于响应于待训练的侵权判定模型不满足收敛条件,将当前样本图像输入至所述待训练的侵权判定模型中;使用所述当前样本图像对所述侵权判定模型进行训练,将下一个图像作为所述当前样本图像,重复执行上述操作,直到所述待训练的侵权判定模型满足所述收敛条件;得到所述预先训练好的侵权判定模型。
上述判定肖像侵权的装置可执行本申请任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请任意实施例提供的判定肖像侵权的方法。
实施例五
根据本申请的实施例,本申请实施例还提供了一种电子设备和一种可读存储介质。
如图5所示,是根据本申请实施例的判定肖像侵权的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,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/或者要求的本申请的实现。
如图5所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的判定肖像侵权的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的判定肖像侵权的方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的判定肖像侵权的方法对应的程序指令/模块(例如,附图4所示的特征提取模块401、计算模块402和判定模块403)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的判定肖像侵权的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据判定肖像侵权的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至判定肖像侵权的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
判定肖像侵权的方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与判定肖像侵权的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、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***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***、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***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***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***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(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***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***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***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机***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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
根据本申请实施例的技术方案,先将待检测图像输入至预先训练好的侵权判定模型中;通过侵权判定模型得到待检测图像的人脸特征;然后基于待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算待检测图像与各个名人图像的相似度得分;其中,名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;响应于相似度得分高于或者等于第一预定分值,判定待检测图像为侵权图像。也就是说,本申请可以在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像,从而可以基于名人图像库中的真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像判定待检测图像是否为侵权图像。而在现有的判定肖像侵权的方法中,只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低。因为本申请采用了在名人图像库中预先保存至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像的技术手段,克服了现有技术只能识别出真实的人物肖像,无法对漫画形式的人物肖像进行识别,导致在实际应用中识别准确率低的技术问题,本申请提供的技术方案,可以对漫画形式的人物肖像进行识别,从而可以更大程度地避免肖像侵权;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
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,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种判定肖像侵权的方法,所述方法包括:
将待检测图像输入至预先训练好的侵权判定模型中;通过所述侵权判定模型得到所述待检测图像的人脸特征;
基于所述待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算所述待检测图像与各个名人图像的相似度得分;其中,所述名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;
响应于所述相似度得分高于或者等于第一预定分值,判定所述待检测图像为侵权图像。
2.根据权利要求1所述的方法,在所述将待检测图像输入至预先训练好的侵权判定模型中之前,所述方法包括:
在所述至少一个真实的名人图像中提取出一个图像作为当前真实的名人图像;
将所述当前真实的名人图像输入至预先训练好的肖像增广网络中;通过所述肖像增广网络得到所述当前真实的名人图像对应的至少一个漫画形式的名人图像;重复执行上述操作,直到得到各个真实的名人图像对应的至少一个漫画形式的名人图像;
将各个真实的名人图像和各个真实的名人图像对应的至少一个漫画形式的名人图像保存至所述名人图像库中。
3.根据权利要求1所述的方法,所述方法还包括:
响应于所述相似度得分低于所述第一预定分值,通过所述侵权判定模型得到所述待检测图像的人体特征;所述人体特征包括至少一个人体部件的特征;
将所述待检测图像的人体特征输入至预先训练好的职业分类网络中;通过所述职业分类网络得到所述待检测图像与各个预定职业类别的图像的相似度得分;所述预定职业类别包括但不限于以下其中之一:军人、医生、公职人员;
响应于所述相似度得分高于或者等于第二预定分值,判定所述待检测图像为侵权图像。
4.根据权利要求3所述的方法,在所述将所述待检测图像的人体特征输入至预先训练好的职业分类网络中之后,通过所述职业分类网络得到所述待检测图像与各个预定职业类别的图像的相似度得分之前,所述方法还包括:
通过所述职业分类网络得到所述待检测图像对应的职业信息;
根据所述待检测图像对应的职业信息判定所述待检测图像为疑似侵权职业的图像或者非疑似侵权职业的图像;
响应于所述待检测图像为疑似侵权职业的图像,通过所述职业分类网络得到所述待检测图像与各个预定职业类别的图像的相似度得分。
5.根据权利要求3所述的方法,在所述通过所述侵权判定模型得到所述待检测图像的人体特征之后,将所述待检测图像的人体特征输入至预先训练好的职业分类网络中之前,所述方法还包括:
将所述待检测图像的人体特征进行融合,得到所述待检测图像的融合后的人体特征;将所述待检测图像的融合后的人体特征输入至所述预先训练好的职业分类网络中。
6.根据权利要求1所述的方法,所述预先训练好的侵权判定模型通过以下方法进行训练:
响应于待训练的侵权判定模型不满足收敛条件,将当前样本图像输入至所述待训练的侵权判定模型中;使用所述当前样本图像对所述侵权判定模型进行训练,将下一个图像作为所述当前样本图像,重复执行上述操作,直到所述待训练的侵权判定模型满足所述收敛条件;得到所述预先训练好的侵权判定模型。
7.一种判定肖像侵权的装置,所述装置包括:特征提取模块、计算模块和判定模块;其中,
所述特征提取模块,用于将待检测图像输入至预先训练好的侵权判定模型中;通过所述侵权判定模型得到所述待检测图像的人脸特征;
所述计算模块,用于基于所述待检测图像的人脸特征和预先构建的名人图像库中的各个名人图像的人脸特征,计算所述待检测图像与各个名人图像的相似度得分;其中,所述名人图像库中包括至少一个真实的名人图像和各个真实的名人图像对应的漫画形式的名人图像;
所述判定模块,用于响应于所述相似度得分高于或者等于第一预定分值,判定所述待检测图像为侵权图像。
8.根据权利要求7所述的装置,所述模块还包括:肖像增广模块,用于在所述至少一个真实的名人图像中提取出一个图像作为当前真实的名人图像;将所述当前真实的名人图像输入至预先训练好的肖像增广网络中;通过所述肖像增广网络得到所述当前真实的名人图像对应的至少一个漫画形式的名人图像;重复执行上述操作,直到得到各个真实的名人图像对应的至少一个漫画形式的名人图像;将各个真实的名人图像和各个真实的名人图像对应的至少一个漫画形式的名人图像保存至所述名人图像库中。
9.根据权利要求7所述的装置,所述特征提取模块,还用于响应于所述相似度得分低于所述第一预定分值,通过所述侵权判定模型得到所述待检测图像的人体特征;所述人体特征包括至少一个人体部件的特征;
所述判定模块,还用于将所述待检测图像的人体特征输入至预先训练好的职业分类网络中;通过所述职业分类网络得到所述待检测图像与各个预定职业类别的图像的相似度得分;所述预定职业类别包括但不限于以下其中之一:军人、医生、公职人员;响应于所述相似度得分高于或者等于第二预定分值,判定所述待检测图像为侵权图像。
10.根据权利要求9所述的装置,所述判定模块,还用于通过所述职业分类网络得到所述待检测图像对应的职业信息;根据所述待检测图像对应的职业信息判定所述待检测图像为疑似侵权职业的图像或者非疑似侵权职业的图像;响应于所述待检测图像为疑似侵权职业的图像,通过所述职业分类网络得到所述待检测图像与各个预定职业类别的图像的相似度得分。
11.根据权利要求9所述的装置,所述判定模块,还用于将所述待检测图像的人体特征进行融合,得到所述待检测图像的融合后的人体特征;将所述待检测图像的融合后的人体特征输入至所述预先训练好的职业分类网络中。
12.根据权利要求7所述的装置,所述装置还包括:训练模块,用于响应于待训练的侵权判定模型不满足收敛条件,将当前样本图像输入至所述待训练的侵权判定模型中;使用所述当前样本图像对所述侵权判定模型进行训练,将下一个图像作为所述当前样本图像,重复执行上述操作,直到所述待训练的侵权判定模型满足所述收敛条件;得到所述预先训练好的侵权判定模型。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011110776.0A CN112241704B (zh) | 2020-10-16 | 2020-10-16 | 一种判定肖像侵权的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011110776.0A CN112241704B (zh) | 2020-10-16 | 2020-10-16 | 一种判定肖像侵权的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112241704A true CN112241704A (zh) | 2021-01-19 |
CN112241704B CN112241704B (zh) | 2024-05-31 |
Family
ID=74168760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011110776.0A Active CN112241704B (zh) | 2020-10-16 | 2020-10-16 | 一种判定肖像侵权的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241704B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990273A (zh) * | 2021-02-18 | 2021-06-18 | 中国科学院自动化研究所 | 面向压缩域的视频敏感人物识别方法、***及设备 |
CN114359590A (zh) * | 2021-12-06 | 2022-04-15 | 支付宝(杭州)信息技术有限公司 | Nft图像作品侵权检测方法、装置、及计算机存储介质 |
CN115170893A (zh) * | 2022-08-29 | 2022-10-11 | 荣耀终端有限公司 | 共视档位分类网络的训练方法、图像排序方法及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310636A (ja) * | 2007-06-15 | 2008-12-25 | Attec:Kk | 顔類似検索システム |
JP2016085594A (ja) * | 2014-10-24 | 2016-05-19 | 富士通株式会社 | 肖像権保護プログラム、情報通信装置及び肖像権保護方法 |
WO2017032243A1 (zh) * | 2015-08-26 | 2017-03-02 | 阿里巴巴集团控股有限公司 | 图像特征提取方法、装置、终端设备及*** |
CN109446977A (zh) * | 2018-10-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于人脸识别的图像处理方法、装置、存储介质及终端 |
CN109741247A (zh) * | 2018-12-29 | 2019-05-10 | 四川大学 | 一种基于神经网络的肖像漫画生成方法 |
CN110309388A (zh) * | 2018-03-09 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 数据对象信息违法风险识别方法、装置以及计算机*** |
CN110704811A (zh) * | 2019-09-03 | 2020-01-17 | 特赞(上海)信息科技有限公司 | 图片侵权检测方法及装置、存储介质 |
-
2020
- 2020-10-16 CN CN202011110776.0A patent/CN112241704B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008310636A (ja) * | 2007-06-15 | 2008-12-25 | Attec:Kk | 顔類似検索システム |
JP2016085594A (ja) * | 2014-10-24 | 2016-05-19 | 富士通株式会社 | 肖像権保護プログラム、情報通信装置及び肖像権保護方法 |
WO2017032243A1 (zh) * | 2015-08-26 | 2017-03-02 | 阿里巴巴集团控股有限公司 | 图像特征提取方法、装置、终端设备及*** |
CN110309388A (zh) * | 2018-03-09 | 2019-10-08 | 阿里巴巴集团控股有限公司 | 数据对象信息违法风险识别方法、装置以及计算机*** |
CN109446977A (zh) * | 2018-10-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 基于人脸识别的图像处理方法、装置、存储介质及终端 |
CN109741247A (zh) * | 2018-12-29 | 2019-05-10 | 四川大学 | 一种基于神经网络的肖像漫画生成方法 |
CN110704811A (zh) * | 2019-09-03 | 2020-01-17 | 特赞(上海)信息科技有限公司 | 图片侵权检测方法及装置、存储介质 |
Non-Patent Citations (2)
Title |
---|
REBECCA TUSHNET等: "A Mask that Eats into the Face: Images and the Right of Publicity", 《J.L.& ARTS》, vol. 38, pages 157 - 208 * |
路国林: "利用计算机技术侵犯肖像权的法律问题研究", 《中国优秀硕士学位论文全文数据库 (社会科学Ⅰ辑)》, no. 2019, pages 117 - 343 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112990273A (zh) * | 2021-02-18 | 2021-06-18 | 中国科学院自动化研究所 | 面向压缩域的视频敏感人物识别方法、***及设备 |
CN112990273B (zh) * | 2021-02-18 | 2021-12-21 | 中国科学院自动化研究所 | 面向压缩域的视频敏感人物识别方法、***及设备 |
CN114359590A (zh) * | 2021-12-06 | 2022-04-15 | 支付宝(杭州)信息技术有限公司 | Nft图像作品侵权检测方法、装置、及计算机存储介质 |
CN115170893A (zh) * | 2022-08-29 | 2022-10-11 | 荣耀终端有限公司 | 共视档位分类网络的训练方法、图像排序方法及相关设备 |
CN115170893B (zh) * | 2022-08-29 | 2023-01-31 | 荣耀终端有限公司 | 共视档位分类网络的训练方法、图像排序方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112241704B (zh) | 2024-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112560479B (zh) | 摘要抽取模型训练方法、摘要抽取方法、装置和电子设备 | |
CN112241704B (zh) | 一种判定肖像侵权的方法、装置、电子设备及存储介质 | |
CN111522994A (zh) | 用于生成信息的方法和装置 | |
US11042259B2 (en) | Visual hierarchy design governed user interface modification via augmented reality | |
CN111598164A (zh) | 识别目标对象的属性的方法、装置、电子设备和存储介质 | |
CN113780098B (zh) | 文字识别方法、装置、电子设备以及存储介质 | |
CN111783645A (zh) | 文字识别的方法、装置、电子设备及计算机可读存储介质 | |
CN112561053B (zh) | 图像处理方法、预训练模型的训练方法、装置和电子设备 | |
CN113656587B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN111611990A (zh) | 用于识别图像中表格的方法和装置 | |
CN111862031A (zh) | 一种人脸合成图检测方法、装置、电子设备及存储介质 | |
CN111783427A (zh) | 用于训练模型与输出信息的方法、装置、设备及存储介质 | |
CN113516491A (zh) | 推广信息展示方法、装置、电子设备及存储介质 | |
CN114418124A (zh) | 生成图神经网络模型的方法、装置、设备及存储介质 | |
US20220004812A1 (en) | Image processing method, method for training pre-training model, and electronic device | |
CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN110738261B (zh) | 图像分类和模型训练方法、装置、电子设备及存储介质 | |
CN112016524A (zh) | 模型训练方法、人脸识别方法、装置、设备和介质 | |
CN115688802B (zh) | 文本风险检测方法及其装置 | |
CN111738325A (zh) | 图像识别方法、装置、设备以及存储介质 | |
CN111125445A (zh) | 社区主题生成方法、装置、电子设备及存储介质 | |
CN116167426A (zh) | 人脸关键点定位模型的训练方法及人脸关键点定位方法 | |
CN113313048B (zh) | 脸部表情识别方法和装置 | |
CN113110782B (zh) | 图像的识别方法、装置、计算机设备及存储介质 | |
CN112101012B (zh) | 互动领域确定方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |