广告合规审核方法、装置、电子设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种广告合规审核方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着互联网的发展，人们在网上获取信息的速度和丰富性都在不断加强。但是，各种不良信息在网上的大肆扩散，尤其是商业广告的劣质内容，给社会造成了负面影响。在风险和用户体验双重重压之下，加强对互联网广告内容的审核，是每一个公司都需要做的事。
3.随着品牌广告的版式、投放渠道等日益增多,利用人工审核耗时耗力且审核难度大。审核人员需靠记忆广告违禁内容来进行内容审核，但违禁信息错综复杂,同时审核人员缺乏健全的广告法及敏感信息的知识,人工审核难以判断的边距、间距、字体类型、字体颜色等，这些都导致广告合规审核效率效率较低，因此如何提升广告合规审核的效率，成为了亟待解决的问题。


技术实现要素：

4.本发明提供一种广告合规审核方法、装置及计算机可读存储介质，其主要目的在于解决广告合规审核时效率较低的问题。
5.为实现上述目的，本发明提供的一种广告合规审核方法，包括：
6.获取广告图片，对所述广告图片进行图片增强处理，得到增强图片；
7.将所述增强图片分类为品牌图片和敏感信息图片；
8.提取所述敏感信息图片的文本信息，利用预设的审核模型提取出所述文本信息内的敏感信息违规内容；
9.逐个检索所述品牌图片的品牌违规内容，将所述敏感信息违规内容和所述品牌违规内容汇集为所述广告图片的合规审核结果。
10.可选地，所述对所述广告图片进行图片增强处理，得到增强图片，包括：
11.对所述广告图片进行均匀切割，得到多个广告图片块；
12.分别对每个所述广告图片块进行像素卷积，得到多个卷积广告图片块；
13.分别对每个所述卷积广告图片块进行高斯平滑处理，得到多个平滑广告图片块；
14.将所述多个平滑广告图片块进行拼接，得到所述广告图片的增强图片。
15.可选地，所述对所述广告图片进行图片增强处理，得到增强图片，包括：
16.统计所述广告图片的水平投影的黑点像素值，选取所述水平投影内黑点像素值最大的区域为目标区域；
17.计算所述目标区域的黑点像素值的方差；
18.按照预设角度旋转所述目标区域，计算旋转后的目标区域的水平投影图黑点像素值的方差，得到旋转方差；
19.根据所述目标区域的黑点像素值的方差与所述旋转方差的差值计算得到最佳倾
斜角度；
20.利用所述最佳倾斜角度对所述广告图片进行旋转，得到增强图片。
21.可选地，所述将所述增强图片分类为品牌图片和敏感信息图片，包括：
22.提取所述增强图片中的特征区域，根据所述特征区域确定所述增强图片的图片特性；
23.按照所述图片特性对所述增强图片进行分类，得到品牌图片和敏感信息图片。
24.可选地，所述提取所述增强图片中的特征区域，利用所述特征区域确定所述增强图片的图片特性，包括：
25.按照预设比例将所述增强图片划分为多个增强图片块；
26.逐个从所述多个增强图片块内选取其中一个增强图片块为目标增强图片块；
27.根据所述目标增强图片块中的像素梯度生成所述目标增强图片块的全局特征；
28.利用预设的滑动窗口对所述目标增强图片块中的区域进行逐一框选，得到像素窗口；
29.根据每一个所述像素窗口中的像素值生成所述目标增强图片块的局部特征；
30.汇集所述全局特征与所述局部特征为所述目标增强图片块的图片特性。
31.可选地，所述提取所述敏感信息图片的文本信息，包括：
32.获取所述敏感信息图片的投影信息，对所述投影信息进行版面分析得到版面分析图像；
33.逐个对所述版面分析图像的所有行进行行文字分割，得到行文本；
34.获取每个所述行文本的列分割字符，利用预先训练的字符识别模型对所述列分割字符进行识别，得到所述敏感信息图片的文本信息。
35.可选地，所述逐个检索所述品牌图片的品牌违规内容，包括：
36.对所述品牌图片进行特征提取，得到品牌图片特征；
37.逐个对所述品牌图片特征进行编码，得到品牌图片编码；
38.逐个从所述品牌图片编码中选取其中一个品牌图片编码作为目标品牌图片编码，逐个计算所述目标品牌图片编码与未被选取的品牌图片编码之间的汉明距离，选取所述汉明距离小于预设的距离阈值的所述品牌图片为品牌违规内容。
39.为了解决上述问题，本发明还提供一种广告合规审核装置，所述装置包括：
40.图片增强模块，用于获取广告图片，对所述广告图片进行图片增强处理，得到增强图片；
41.图片分类模块，用于将所述增强图片分类为品牌图片和敏感信息图片；
42.敏感信息模块，用于提取所述敏感信息图片的文本信息，利用预设的审核模型提取出所述文本信息内的敏感信息违规内容；
43.品牌违规模块，用于逐个检索所述品牌图片的品牌违规内容，将所述敏感信息违规内容和所述品牌违规内容汇集为所述广告图片的合规审核结果。
44.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
45.至少一个处理器；以及，
46.与所述至少一个处理器通信连接的存储器；其中，
47.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序
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上述所述的广告合规审核方法。
48.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的广告合规审核方法。
49.互联网上每日发布海量内容，广告图片数量庞大，图像分类面临着如视角变化、光照条件、形状、大小变化、遮挡、背景干扰、类内差异的诸多挑战，对广告图片进行增强处理，可以更高效的把不同类别的目标广告图片区分开来，对所述敏感信息图片进行文本信息的提取，再利用预设的审核模型过滤风险内容才是最优的选择，同时，根据所述品牌图片的特征检索所述品牌图片的品牌违规内容，实现自动化、流程化的品牌审核，因此本发明提出广告合规审核方法、装置、电子设备及计算机可读存储介质，可以解决广告合规审核效率较低的问题。
附图说明
50.图1为本发明一实施例提供的广告合规审核方法的流程示意图；
51.图2为本发明一实施例提供的图片增强的流程示意图；
52.图3为本发明一实施例提供的敏感信息的流程示意图；
53.图4为本发明一实施例提供的广告合规审核装置的功能模块图；
54.图5为本发明一实施例提供的实现所述广告合规审核方法的电子设备的结构示意图。
55.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
56.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
57.本技术实施例提供一种广告合规审核方法。所述广告合规审核方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述广告合规审核方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
58.参照图1所示，为本发明一实施例提供的广告合规审核方法的流程示意图。在本实施例中，所述广告合规审核方法包括：
59.s1、获取广告图片，对所述广告图片进行图片增强处理，得到增强图片；
60.在本发明实施例中，所述获取广告图片可以通过图片收集器从各大网站检索并存储在指定的数据库内；可通过扫描指定纸质版图片得到；可以通过用户授权后访问用户相册得到。
61.在本发明实施例中，由于获取的训练广告图片内可能存在大量的噪声像素或干扰
信息，因此，为了提升最终对广告图片进行识别的精确度，可对所述广告图片进行图像增强，其中，所述图像增强包括噪声像素消除、二值化处理、纹理增强和倾斜校正等处理。
62.在本发明实施例中，所述对所述广告图片进行图片增强处理，得到增强图片，包括：
63.s21、对所述广告图片进行均匀切割，得到多个广告图片块；
64.s22、分别对每个所述广告图片块进行像素卷积，得到多个卷积广告图片块；
65.s23、分别对每个所述卷积广告图片块进行高斯平滑处理，得到多个平滑广告图片块；
66.s24、将所述多个平滑广告图片块进行拼接，得到所述广告图片的增强图片。
67.本发明实施例中，将所述广告图片进行均匀切割为多个广告图片块，有利于减少每个广告图片块中的像素数量，从而提高对所述广告图片进行噪声像素消除的效率。
68.具体地，本发明实施例采用gabor滤波器对所述多个广告图片块进行像素卷积，所述gabor滤波器会根据预先设定的方向数和尺度数对所述多个广告图片块进行卷积计算，只允许符合预设标准的像素通过，而不符合滤波器的像素则受到抑制，因此，通过gabor滤波器根据预先设定的方向数和尺度数对所述多个广告图片块进行卷积计算，可保留广告图片块中字符的像素，而去除图像背景中非字符的像素，以便于突出所述所述广告图片中的字符部分，有利于提高最终进行字符识别的精确度。
69.本发明实施例中，利用高斯核函数对所述多个卷积广告图片块进行高斯平滑处理，得到多个平滑广告图片块，所述高斯核函数也称径向基函数，是常用的一种平滑核函数，可利用高斯核函数的旋转对称性将有限维数据(既像素值)平滑映射到高维空间，以实现对多个卷积广告图片块进行高斯平滑处理。
70.在本发明实施例中，所述对所述广告图片进行图片增强处理，得到增强图片，包括：统计所述广告图片的水平投影的黑点像素值，选取所述水平投影内黑点像素值最大的区域为目标区域；计算所述目标区域的黑点像素值的方差；按照预设角度旋转所述目标区域，计算旋转后的目标区域的水平投影图黑点像素值的方差，得到旋转方差；根据所述目标区域的黑点像素值的方差与所述旋转方差的差值计算得到最佳倾斜角度；利用所述最佳倾斜角度对所述广告图片进行旋转，得到增强图片。
71.具体地，像素点是最小的图像单元，一张图片由好多的像素点组成。例如：一个像素点的颜色是由rgb三个值来表现的，所以像素点矩阵对应三个颜色向量矩阵，分别是r矩阵(500*338大小)，g矩阵(500*338大小)，b矩阵(500*33大小)。如果每个矩阵的第一行第一列的值分别为：r：240，g：223，b：204，所以这个像素点的颜色就是(240，223，204)
72.详细地，利用图像二值化处理可以得到所述广告图片的水平投影的黑点像素值。所述图像二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。二值图像每个像素只有两种取值：要么纯黑，要么纯白。
73.详细地，所述选取所述水平投影内黑点像素值最大的区域为目标区域可以是将一副二值化图片随机分成5块,从这5块中，挑选出黑点数最多的一块为目标区域，统计出该目标区域中平均每行的黑点个数。由于二值图像数据足够简单，许多视觉算法都依赖二值图像，通过二值图像，能更好地分析物体的形状和轮廓。
74.具体地，所述目标区域的黑点像素值的方差表示图中明暗变化的对比程度，所述
方差越大，表示图像中明暗变化越明显。
75.s2、将所述增强图片分类为品牌图片和敏感信息图片；
76.在本发明实施例中，对所述增强图片进行分类是由于整个系统是针对品牌合规性内容的审核，如果对一些无关图片(人物、建筑、风景、表情)进行相关操作,势必会对系统的效率产生极大负影响。因此在做增强图片分析之前,有必要对图片分类,把品牌图片和敏感信息图片检测出来,其他无关图片过滤掉以提高审核效率。
77.在本发明实施例中，所述将所述增强图片分类为品牌图片和敏感信息图片，包括：提取所述增强图片中的特征区域，根据所述特征区域确定所述增强图片的图片特性；按照所述图片特性对所述增强图片进行分类，得到品牌图片和敏感信息图片。
78.详细地，所述提取所述增强图片中的特征区域，利用所述特征区域确定所述增强图片的图片特性，包括：按照预设比例将所述增强图片划分为多个增强图片块；逐个从所述多个增强图片块内选取其中一个增强图片块为目标增强图片块；根据所述目标增强图片块中的像素梯度生成所述目标增强图片块的全局特征；利用预设的滑动窗口对所述目标增强图片块中的区域进行逐一框选，得到像素窗口；根据每一个所述像素窗口中的像素值生成所述目标增强图片块的局部特征；汇集所述全局特征与所述局部特征为所述目标增强图片块的图片特性。
79.详细地，由于所述增强图片内包含大量像素信息，但并非每一个像素信息均为所述增强图片的关键信息，因此，可按照预设比例对所述增强图片进行划分，以将所述增强图片划分为多个增强图片块，以便于后续针对每个增强图片块进行精确分析。
80.具体地，可按照所述预设尺寸生成图像框，进而利用生成的图像框在所述增强图片内进行不重复地框选，以得到多个增强图片块。
81.例如，所述增强图片的长度为10cm，宽度为10cm，按照所述预设尺寸生成的图像框的长度为2cm，宽度为2cm，则可利用该图像框在所述增强图片中进行框选得到25个长度为2cm，宽度为2cm的增强图片块。
82.进一步地，为了实现对所述增强图片内每一个增强图片块进行针对性的分析，可分别提取所述多个增强图片块内每一个增强图片块对应的图像特征。
83.详细地，所述图像特征包括每个增强图片块的全局特征与局部特征。
84.本发明其中一个实施例中，可采用hog(histogram of oriented gradient，方向梯度直方图)、dpm(deformable part model，可变性组件模型)、lbp(local binary patterns，局部二值模式)等方式来生成所述目标增强图片块的全局特征，或者，可采用预先训练的具体图像特征提取功能的人工智能模型来提取所述目标增强图片块的全局特征，所述人工智能模型包括但不限于vgg-net模型、u-net模型。
85.详细地，所述图片特性可以包括视觉特征、统计特征、代数特征、变换系数特征和其他物理特征。所述视觉特征指人体视觉对目标的感觉特征，包括颜色、边缘、轮廓、区域纹理、形状等；统计特征指对图像中的相关样本进行统计计算获得的唯一性表示，包括颜色直方图、灰度直方图、不变矩等；代数特征指图像内容的代数关系，如图像的奇异值分解和主成分分析等；变换系数特征指将图像进行空域频域转换后的频域系数，如傅里叶变换系数和小波变化系数等。
86.具体地，所述按照所述图片特性对所述增强图片进行分类的核心是从给定的分类
集合中给图片分配一个标签的任务，例如：颜色标签。所述颜色标签是对图像中像素按颜色在不同的量化区间的分布数量的统计，计算方便，易于统计且具有较强的抗图像形变和旋转的能力，颜色直方图不包含坐标信息，所以不具备颜色空间的信息，适合目标与背景颜色差别大的应用，其具有对目标的旋转、形变和目标的部分遮挡有良好的鲁棒性。
87.s3、提取所述敏感信息图片的文本信息，利用预设的审核模型提取出所述文本信息内的敏感信息违规内容；
88.在本发明实施例中，文字检测是所述提取所述敏感信息图片的文本信息过程中的一个非常重要的环节，所述文字检测的主要目标是将图片中的文字区域位置检测出来，只有找到了文本所在区域，才能利用所述文字检测出的所述文本所在区域进行所述敏感信息图片的文本信息提取。
89.在本发明实施例中，所述提取所述敏感信息图片的文本信息，包括：
90.s31、获取所述敏感信息图片的投影信息，对所述投影信息进行版面分析得到版面分析图像；
91.s32、逐个对所述版面分析图像的所有行进行行文字分割，得到行文本；
92.s33、获取每个所述行文本的列分割字符，利用预先训练的字符识别模型对所述列分割字符进行识别，得到所述敏感信息图片的文本信息。
93.具体地，所述敏感信息图片的投影信息是指图像对应方向的投影，在所述对应方向取一条直线，统计垂直于该直线(轴)的图像上的像素的黑点数量，累加求和作为该轴该位置的值。例如：水平投影，就是对一张图片的每一行元素进行统计(就是往水平方向统计)，然后根据这个统计结果画出统计结果图，进而确定每一行的起始点和结束点。垂直投影也是类似的，只是它的投影方向是往下的，即统计每一列的元素个数。
94.详细地，所述版面分析是指分析一副文本图像的块结构，以便进行所述敏感信息图片的文本信息提取。由于关系到识别的准确性和正确的文字顺序，版面分析显得特别重要。其中，版面分析的一些规则起了重要作用。例如：一般的文本图像具有以下一些特征：段内行距比段间行距小；段首有空白，段尾有空白；图像的黑像素比例比文字大；文章排版横纵有规律性等。利用这些规则就可以实现简单的版面分析。一种简单的方法是自顶向下的方法，即先根据图像中的空白把图像分成若干块，再在这些块中继续根据空白部分划分，直到不能再分为止。最后再根据块内黑白像素比例确定是否该区域是文本还是图像。
95.具体地，所述预先训练的字符识别模型是根据用通用的分割方法切割字符，得到一堆候选的切割字符集合，统计所述字符集合的大多数字符的尺寸得到标准尺寸，根据所述标准尺寸选出标准的字符，对所述选出标准的字符进行切割保存得到分割字符，将所述分割字符的原位置涂成白色，对剩下的图片进行腐蚀得到粘连字符，对所述粘连字符用通用的分割方法切割，得到完整字符集合，根据所述完整字符集合对所述所述敏感信息图片进行识别，得到所述敏感信息图片的文本信息。
96.s4、逐个检索所述品牌图片的品牌违规内容，将所述敏感信息违规内容和所述品牌违规内容汇集为所述广告图片的合规审核结果。
97.在本发明实施例中，可利用图像检索技术降低审核难度，实现自动化、流程化的品牌广告的审核。像人工难以判断的边距、间距、字体类型、字体颜色等,通过图像处理分析能够轻松准确的进行审核；在品牌字体审核时,使用图像搜索技术来获取单个字的字体类型,
并通过投票机制获得品牌最终字体，提高审核效率。
98.在本发明实施例中，所述逐个检索所述品牌图片的品牌违规内容，包括：对所述品牌图片进行特征提取，得到品牌图片特征；逐个对所述品牌图片特征进行编码，得到品牌图片编码；逐个从所述品牌图片编码中选取其中一个品牌图片编码作为目标品牌图片编码，逐个计算所述目标品牌图片编码与未被选取的品牌图片编码之间的汉明距离，选取所述汉明距离小于预设的距离阈值的所述品牌图片为品牌违规内容。
99.具体地，所述特征提取指的是使用计算机提取图像信息,决定每个图像的点是否属于一个图像特征。特征提取的结果是把图像上的点分为不同的子集,这些子集往往属于孤立的点、连续的曲线或者连续的区域。所述的特征提取包括对所述品牌广告的字体类型的提取，其中所述字体类型有无衬线字体和衬线字体，例如：平时所用的georgia、times new roman等就属于serif字体，而arial、tahoma、verdana等则属于sans serif字体。对中文而言，同样存在这两大种类，很明显，宋体、细明体(繁体中常用)等就属于serif，而黑体、幼圆等则属于sans serif。所述字体类型有等宽字体和非等宽字体。
100.详细地，当光差图像时，常常看到的是连续的纹理与灰度级相似的区域,他们相结合形成物体。但如果物体的尺寸很小或者对比度不高,通常要采用较高的分辨率观察：如果物体的尺寸很大或对比度很强，只需要降低分辨率。如果物体尺寸有大有小，或对比有强有弱的情况下同事存在，这时提取图像的特征对进行图像研究有优势。常用的特征提取方法有:fourier变换法、窗口fourier变换(gabor)、小波变换法、最小二乘法、边界方向直方图法、基于tamura纹理特征的纹理特征提取等。
101.具体地，所述逐个对所述品牌图片特征进行编码可利用哈希编码，所述哈希编码可以拆分成为两个子阶段，在对所述品牌图片特征进行编码之前需要有哈希函数集，而哈希函数集则通过哈希函数学习阶段而得到，因此这两个子阶段分别为哈希函数学习阶段和正式的哈希编码阶段。在哈希函数学习阶段，将所述合规特征库划分成训练集和测试集，在所述训练集上对构造的哈希函数集进行训练学习；正式的哈希编码阶段时，分别将原来的所述品牌图片特征代入到训练得到的哈希函数集中，从而得到相应的哈希编码。
102.具体地，所述汉明距离表示两个相同长度的字对应位不同的数量，以d(x,y)表示两个字x,y之间的汉明距离。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。两个等长字符串s1与s2之间的汉明距离定义为将其中一个变为另外一个所需要作的最小替换次数。例如字符串“1111”与“1001”之间的汉明距离为2。
103.互联网上每日发布海量内容，广告图片数量庞大，图像分类面临着如视角变化、光照条件、形状、大小变化、遮挡、背景干扰、类内差异的诸多挑战，对广告图片进行增强处理，可以更高效的把不同类别的目标广告图片区分开来，对所述敏感信息图片进行文本信息的提取，再利用预设的审核模型过滤风险内容才是最优的选择，同时，根据所述品牌图片的特征检索所述品牌图片的品牌违规内容，实现自动化、流程化的品牌审核，因此本发明提出广告合规审核方法，可以解决广告合规审核效率较低的问题。
104.如图4所示，是本发明一实施例提供的广告合规审核装置的功能模块图。
105.本发明所述广告合规审核装置100可以安装于电子设备中。根据实现的功能，所述广告合规审核装置100可以包括图片增强模块101、图片分类模块102、敏感信息模块103及品牌违规模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所
执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
106.在本实施例中，关于各模块/单元的功能如下：
107.图片增强模块，用于获取广告图片，对所述广告图片进行图片增强处理，得到增强图片；
108.图片分类模块，用于将所述增强图片分类为品牌图片和敏感信息图片；
109.敏感信息模块，用于提取所述敏感信息图片的文本信息，利用预设的审核模型提取出所述文本信息内的敏感信息违规内容；
110.品牌违规模块，用于逐个检索所述品牌图片的品牌违规内容，将所述敏感信息违规内容和所述品牌违规内容汇集为所述广告图片的合规审核结果。
111.如图5所示，是本发明一实施例提供的实现广告合规审核方法的电子设备的结构示意图。
112.所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如广告合规审核程序。
113.其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行广告合规审核程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
114.所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如广告合规审核程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
115.所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
116.所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶
显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
117.图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
118.例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
119.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
120.所述电子设备1中的所述存储器11存储的广告合规审核程序是多个指令的组合，在所述处理器10中运行时，可以实现：
121.获取广告图片，对所述广告图片进行图片增强处理，得到增强图片；
122.将所述增强图片分类为品牌图片和敏感信息图片；
123.提取所述敏感信息图片的文本信息，利用预设的审核模型提取出所述文本信息内的敏感信息违规内容；
124.逐个检索所述品牌图片的品牌违规内容，将所述敏感信息违规内容和所述品牌违规内容汇集为所述广告图片的合规审核结果。
125.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
126.进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
127.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
128.获取广告图片，对所述广告图片进行图片增强处理，得到增强图片；
129.将所述增强图片分类为品牌图片和敏感信息图片；
130.提取所述敏感信息图片的文本信息，利用预设的审核模型提取出所述文本信息内的敏感信息违规内容；
131.逐个检索所述品牌图片的品牌违规内容，将所述敏感信息违规内容和所述品牌违规内容汇集为所述广告图片的合规审核结果。
132.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
133.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
134.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
135.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
136.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
137.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
138.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
139.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
140.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。