全部产品
云市场

任务结果说明

更新时间:2020-01-14 22:40:37

返回字段

输出参数 描述
name 结果模块名:其中”tag”为标签结果,所有标签按照统一格式输出;”asr”为语音结果;“ocr”为文本识别结果。
result 产品级结果列表,目前只包含内容分析产品
content 产品级结果结构体
data 具体算法结果列表

下面分name的值来说明字段:
name = ‘tag’ //融合标签结果

输出参数 描述
labelLevel1 一级标签类,如人脸、标识、地域等
labelLevel2 二级标签类,其中人像的二级标签类为人物分类
label 细粒度的标签
appearanceProbability 标签的出场率,表示标签在视频中时间占比
isWhite 表示该标签是否命中了用户定义的白名单
detailInfo 该结构存储了标签出现的时间区间、score、区域、来源等详细信息
score 是标签的置信度信息
bboxes 标签区域位置信息,依次为区域左顶点X坐标、Y坐标、区域宽度、区域高度,后续逐渐废弃,信息迁移到trackData中
trackData 在该时间段内等间隔记录在视频时刻上的算法结果,包含bbox、score、attributes、landmark、timestamp几个字段记录算法结果
score trackData下的score,代表当前时刻的算法置信度,其中人脸算法为人脸检测的score
bbox trackData下的bbox,标签区域位置信息
landmark trackData下的landmark,标签区域关键像素信息
attributes trackData下的attributes,有property、value、score字段,分别为该时刻的属性类、属性值、属性分数,表示标签在该帧的属性信息,如人脸的表情信息等
timestamp trackData下的timestamp,标记当前时刻

|source | 标签来源:’vision’为视觉来源、’audio’为音频来源、’text’为文本来源|| subSource | 为算法模型层次的来源,用户可不用关心 || metaData | 记载了标签的非统一信息,不同类型的标签会有所差别,可通过判断某个字段是否为空来确定该标签是否具备该字段信息,具体子字段如下 ||sampleUrl |标签的代表图,如人脸识别中预测人物和该图是一致的,也是我们定义标签的标准||group |标签的分组,如人脸识别中的人物库信息|

name = ‘asr’//语音识别结果

输出参数 描述
startTime 时间段开始时间
endTime 时间段结束时间
text asr文本

name = ‘ocr’//OCR文本识别结果

输出参数 描述
startTime 时间段开始时间
endTime 时间段结束时间
detailInfo 具体的OCR识别结果,是一个列表,表示不同区域的OCR结果
score OCR识别的置信度
text OCR的文本
bbox 标签区域位置信息,依次为区域左顶点X坐标、Y坐标、区域宽度、区域高度

返回结果示例:

  1. [
  2. {
  3. "name": "tag",//结果分类,分为tagocrasr。分别对应标签结果、OCR结果和语音结果
  4. "result": [//结果值
  5. {
  6. "content": {
  7. "data": [
  8. {
  9. "labelLevel1": "人脸",//标签一级分类
  10. "labelLevel2": "政治人物",//标签二次分类
  11. "label": "习近平",//标签值
  12. "appearanceProbability":0.3547,//出场率
  13. "isWhite":true, //是否命中白名单
  14. "detailInfo": [//标签详细信息
  15. {
  16. "score": 0.85797792673110962,//标签置信度
  17. "bboxes": {//标签位置信息
  18. "35.333000": [
  19. 205.0,
  20. 95.0,
  21. 318.0,
  22. 247.0
  23. ],
  24. "35.466000": [
  25. 201.0,
  26. 95.0,
  27. 314.0,
  28. 247.0
  29. ]
  30. },
  31. "trackData": [
  32. {
  33. "score": 0.91240006685256958,
  34. "bbox": [205.0, 95.0, 318.0, 247.0],
  35. "attributes": [
  36. {
  37. "property":"表情",
  38. "value":"笑",
  39. "score": 0.8765
  40. }
  41. ],
  42. "landmark": [205.0, 95.0, 318.0, 247.0, 205.0, 95.0, 318.0, 247.0, 435.0, 435.0],
  43. "timestamp": 35.333000
  44. },
  45. {
  46. "score": 0.91240006685256958,
  47. "bbox": [201.0, 95.0, 314.0, 247.0],
  48. "attributes": [
  49. {
  50. "property":"表情",
  51. "value":"笑",
  52. "score": 0.8765
  53. }
  54. ],
  55. "landmark": [205.0, 95.0, 318.0, 247.0, 205.0, 95.0, 318.0, 247.0, 435.0, 435.0],
  56. "timestamp": 35.466000
  57. }
  58. ],
  59. "startTime": 35.0,//片段开始时间
  60. "endTime": 35.465999603271484,//片段结束时间
  61. "source": "vision",//标签来源,分为vision:视觉, text:文字,audio:语音
  62. "subSource": "facemot",//标签子来源
  63. "metaData": {//标签meta信息,不同的标签meta内容不同。
  64. "sampleUrl": "",//人像的图片地址
  65. "group": "politicians"//人像的图库名称
  66. }
  67. },
  68. {
  69. "score": 0.85797792673110962,
  70. "bboxes": {
  71. "35.333000": [
  72. 205.0,
  73. 95.0,
  74. 318.0,
  75. 247.0
  76. ],
  77. "35.466000": [
  78. 201.0,
  79. 95.0,
  80. 314.0,
  81. 247.0
  82. ]
  83. },
  84. "trackData": [
  85. {
  86. "score": 0.91240006685256958,
  87. "bbox": [205.0, 95.0, 318.0, 247.0],
  88. "attributes": [
  89. {
  90. "property":"表情",
  91. "value":"笑",
  92. "score": 0.8765
  93. }
  94. ],
  95. "landmark": [205.0, 95.0, 318.0, 247.0, 205.0, 95.0, 318.0, 247.0, 435.0, 435.0],
  96. "timestamp": 35.333000
  97. },
  98. {
  99. "score": 0.91240006685256958,
  100. "bbox": [201.0, 95.0, 314.0, 247.0],
  101. "attributes": [
  102. {
  103. "property":"表情",
  104. "value":"笑",
  105. "score": 0.8765
  106. }
  107. ],
  108. "landmark": [205.0, 95.0, 318.0, 247.0, 205.0, 95.0, 318.0, 247.0, 435.0, 435.0],
  109. "timestamp": 35.466000
  110. }
  111. ],
  112. "startTime": 35.0,
  113. "endTime": 35.465999603271484,
  114. "source": "text",
  115. "subSource": "ocr_nlp",
  116. "metaData": {
  117. "sampleUrl": "",
  118. "group": ""
  119. }
  120. }
  121. ]
  122. },
  123. {
  124. "labelLevel1": "视频分类",
  125. "labelLevel2": "资讯",
  126. "label": "时政资讯",
  127. "detailInfo": [
  128. {
  129. "score": 0.85797792673110962,
  130. "bboxes": {},
  131. "trackData": [],
  132. "startTime": 0,
  133. "endTime": 35.465999603271484,
  134. "source": "vision",
  135. "subSource": "cate",
  136. "metaData": {
  137. "sampleUrl": "",
  138. "group": ""
  139. }
  140. },
  141. {
  142. "score": 0.85797792673110962,
  143. "bboxes": {},
  144. "trackData": [],
  145. "startTime": 0,
  146. "endTime": 35.465999603271484,
  147. "source": "text",
  148. "subSource": "ocr_nlp",
  149. "metaData": {
  150. "sampleUrl": "",
  151. "group": ""
  152. }
  153. }
  154. ]
  155. }
  156. ]
  157. }
  158. }
  159. ]
  160. },
  161. {
  162. "name": "ocr",//OCR结果
  163. "result": [
  164. {
  165. "content": {
  166. "data": [
  167. {
  168. "detailInfo": [
  169. {
  170. "score": 99,//OCR置信度
  171. "bbox": [//OCR文本位置信息
  172. 434,
  173. 31,
  174. 30,
  175. 12
  176. ],
  177. "text": "今天"//文本信息
  178. }
  179. ],
  180. "startTime": 0.0,//文本出现的帧的开始时间
  181. "endTime": 0.0 //文本出现的帧的结束时间
  182. }
  183. ]
  184. }
  185. }
  186. ]
  187. },
  188. {
  189. "name": "asr",//语音结果
  190. "result": [
  191. {
  192. "content": {
  193. "data": [
  194. {
  195. "text": "这个时候",//语音文本
  196. "startTime": 108.7699966430664, //语音文本开始时间
  197. "endTime": 110.79000091552734 //语音文本结束时间
  198. },
  199. {
  200. "text": "你不要着急。",//语音文本
  201. "startTime": 108.7699966430664,//语音文本开始时间
  202. "endTime": 110.79000091552734 //语音文本结束时间
  203. }
  204. ]
  205. }
  206. }
  207. ]
  208. }
  209. ]

标签分类信息说明和举例:

标签分类 标签子分类 标签值举例
视频分类 生活 以生活举例,下面细分为:健康、家居、女性、休闲、美食、聚会、宠物、居家、婚恋、潮品、记录、生活达人
视频分类 动漫
视频分类 汽车
视频分类 生活
视频分类 科技
视频分类 自拍
视频分类 少儿
视频分类 文化
视频分类 纪录片
视频分类 综艺
视频分类 娱乐
视频分类 教育
视频分类 时尚
视频分类 亲子
视频分类 搞笑
视频分类 音乐
视频分类 电影
视频分类 电视剧
视频分类 体育
视频分类 游戏
视频分类 军事
视频分类 历史
视频分类 法制
节目 比如:爸爸去哪儿、欢乐喜剧人等
人脸 政治人物
人脸 明星人物 比如:马云、成龙
人脸 敏感人物
人物角色 比如:医生、护士、教师等
物体 比如:钢琴、水杯、桌子、西红柿炒鸡蛋、小汽车、化妆品等
标识 台标 比如CCTV1、CCTV2、优酷、东方卫视等
标识 品牌 比如:耐克、李宁
动作事件 正向标签举例:跳舞、接吻、拥抱、会晤、唱歌、打电话、骑马、打斗等负向标签举例:性感、低俗、色情、女性全裸、女性胸部(露点)、女性阴部(露点)、男性阴部(露点)、肛门(露点)、性用具及性玩具、多人性行为 、单人性行为、男性大面积裸露(不露点)、女性性感等
地域 比如:北京天安门、自由女神像、乐山大佛、中国、美国等
场景 比如:卧室、地铁站、梯田、海滩、沙漠等
表情 比如:微笑、哭泣、愤怒等
组织机构 比如:中国生动物保护协会、中央广播电视台等
关键词