一种图片审核方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，进一步涉及计算机视觉和深度学习方面，尤其涉及一种图片审核方法、装置、电子设备及存储介质。

背景技术

随着科学技术的发展与进步，在图片内容审核等风控工作中，主流的审核算法已变成通过计算机视觉模型对图片进行人工智能(Artificial Intelligence，简称AI)审核。然而，单个计算机视觉模型的性能往往很有限，实际工作中会根据风险类型等不同的原因拆分出若干个模型，每个模型只能识别部分风险。

采用现有技术中的图片审核方法，审核效率和准确率往往不能兼得。

发明内容

本申请提供了一种图片审核方法、装置、电子设备及存储介质，可以有效地提高图片审核的效率，同时还可以保证图片审核的准确率。

根据本申请的第一方面，提供了一种图片审核方法，所述方法包括：

将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；其中，所述通用审核模型包括至少一个通用子模型；

根据各个通用子模型输出的审核结果，确定所述待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，所述风险审核模型包括至少一个风险子模型；

将所述待审核的图片输入至所述至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果；

基于各个风险子模型输出的审核结果判定出所述待审核的图片的最终审核结果。

根据本申请的第二方面，提供了一种图片审核装置，所述装置包括：通用审核模块、确定模型、风险审核模块和判定模块；其中，

所述通用审核模块，用于将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；其中，所述通用审核模型包括至少一个通用子模型；

所述确定模块，用于根据各个通用子模型输出的审核结果，确定所述待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，所述风险审核模型包括至少一个风险子模型；

所述风险审核模块，用于将所述待审核的图片输入至所述至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果；

所述判定模块，用于基于各个风险子模型输出的审核结果判定出所述待审核的图片的最终审核结果。

根据本申请的第三方面，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图片审核方法。

根据本申请的第四方面，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图片审核方法。

根据本申请的第五方面，提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时实现本申请任意实施例所述的图片审核方法。

根据本申请提供的技术方案，可以有效地提高图片审核的效率，同时还可以保证图片审核的准确率。

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图片审核方法的第一流程示意图；

图2是本申请实施例提供的图片审核方法的第二流程示意图；

图3是本申请实施例提供的图片审核方法的第三流程示意图；

图4是本申请实施例提供的图片审核框架的结构示意图；

图5是本申请实施例提供的图片审核装置的结构示意图；

图6是用来实现本申请实施例的图片审核方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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图片审核方法的第一流程示意图，该方法可以由图片审核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，图片审核方法可以包括以下步骤：

S101、将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；其中，通用审核模型包括至少一个通用子模型。

在本步骤中，电子设备可以将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；其中，通用审核模型包括至少一个通用子模型。具体地，假设通用审核模型可以包括N个通用子模型，分别为：通用子模型1、通用子模型2、…、通用子模型N；其中，N为大于等于1的自然数；电子设备可以将待审核的图片分别输入至通用子模型1、通用子模型2、…、通用子模型N，得到通用子模型1输出的审核结果、通用子模型2输出的审核结果、…、通用子模型N输出的审核结果。

S102、根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，风险审核模型包括至少一个风险子模型。

在本步骤中，电子设备可以根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，风险审核模型包括至少一个风险子模型。具体地，本申请实施例中的通用审核模型包括但不限于以下通用子模型的至少其中之一：卡通/真实子模型、人物检测子模型、人体属性子模型、文字识别子模型。

S103、将待审核的图片输入至该至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果。

在本步骤中，电子设备可以将待审核的图片输入至该至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果。具体地，假设待审核的图片在风险审核模型中对应的风险子模型的数目为M个，分别为风险子模型1、风险子模型2、…、风险子模型M；其中，M为大于等于1的自然数。电子设备可以将待审核的图片分别输入至风险子模型1、风险子模型2、…、风险子模型M中，得到风险子模型1输出的审核结果；风险子模型2输出的审核结果；…；风险子模型M输出的审核结果。

S104、基于各个风险子模型输出的审核结果判定出待审核的图片的最终审核结果。

在本步骤中，电子设备可以基于各个风险子模型输出的审核结果判定出待审核的图片的最终审核结果。具体地，若各个风险子模型输出的审核结果中存在至少两个审核结果满足预先设置的合并条件，则电子设备可以将各个风险子模型输出的审核结果中的至少两个审核结果进行合并，得到合并后的审核结果；然后基于合并后的审核结果判定出待审核的图片的最终审核结果。

本申请实施例提出的图片审核方法，先将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；然后根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；再将待审核的图片输入至该至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果；最后基于各个风险子模型输出的审核结果判定出待审核的图片的最终审核结果。也就是说，本申请可以基于层级结构的模型对图片进行审核，将通用审核模型作为底层模型；将风险审核模型作为高层模型；通过层级结构的设计，可以筛选出合理被使用的审核风险的模型，从而可以减少审核风险的模型的数目，进一步减少了审核时间。而在现有的图片审核方法中，一张图片需要依次经过多个风险模型，再将所有的风险模型的计算结果进行汇总审核，得到最终的风险识别结果。因为本申请采用了基于层级结构的模型对图片进行审核的技术手段，克服了现有技术中审核效率和准确率往往不能兼得，从而导致审核的效率下降的技术问题，以及由于模型准确率不够，导致输出问题标签的置信度不高或者过高，造成风险图片的漏出或者无风险图片的误杀，对线上业务造成风险的技术问题，本申请提供的技术方案，可以有效地提高图片审核的效率，同时还可以保证图片审核的准确率；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图片审核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，图片审核方法可以包括以下步骤：

S201、将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；其中，通用审核模型包括至少一个通用子模型。

S202、根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，风险审核模型包括至少一个风险子模型。

在本步骤中，电子设备可以根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，风险审核模型包括至少一个风险子模型。具体地，若通用审核子模型中的至少一个通用子模型检测出待审核的图片中存在人物信息，则电子设备可以确定待审核的图片在风险审核模型中对应的风险子模型为与人物信息相关联的模型；或者，若通用审核子模型中的至少一个通用子模型检测出待审核的图像中存在文字信息，则电子设备可以确定待审核的图片在风险审核模型中对应的风险子模型为与文字信息相关联的模型；或者，若通用审核子模型中的至少一个通用子模型检测出待审核的图片为卡通图片或者真实图片，则电子设备可以确定待审核的图片在风险审核模型中对应的风险子模型为卡通图片相关联的模型或者真实图片相关联的模型。

针对风险图片进行审核时，大部分风险在内容组成上往往都是需要先行条件的。比如图片低俗风险、敏感人物风险等都与人相关，需要图片中有人的存在；非法游戏名识别、侵权风险品牌名识别等都与文字有关，需要图片中有文字的存在。这些先行条件可以从日常经验以及法条分析等方法总结归纳出，从而作为底层标签，之后可以抽象成技术层面的模型解决方法，作为整体审核流程中的底层模型。具体地，电子设备可以通过通用审核模型对待审核的图片进行以下方面的审核：1)审核图片中是否有人作为底层标签：对于低俗类、侵权类等风险，如果图片中没有人，则不会有这些类风险，因此可以使用人体检测模型作为底层模型。一些经典的人体检测算法，如HOG+Adaboost、RCNN、Yolo等模型，都可以检测到人体；同时也可以使用一些人脸检测算法，如MTCNN、S3FD等模型。2)审核图片中是否有文字作为底层标签：对于图片虚假夸大、非法游戏等风险，如果图片中没有文字，则不会有这些类风险，因此可以使用文字检测模型作为底层模型。一些经典的OCR算法，如EAST、TextBoxex++等，都可以识别图像中有没有文字以及文字内容。3)审核图片为卡通图片或者真实图片作为底层标签：对于实际的风险模型构建，卡通类的风险往往单独构建模型，比如卡通低俗风险、敏感人物漫画风险等；如果图片为真实图片，则不会有这些风险，因此可以使用分类模型区分图片为卡通图片或者真实图片，作为底层模型。一些经典的分类算法，如ResNet、VGG等，都可以识别图像为卡通图片或者真实图片。

通过对底层标签进行提取、并抽象成技术上的解决方案，构建底层模型，这一部分即为通用审核模型。对于某一个具体的风险类型，该类型的特点可能完全不包含在某一个通用审核标签；反之如果通用审核模型的结果里包含某个通用审核标签，而一个风险审核模型对应的风险类型完全没有该标签的特点，则这个物料可以不用被这个风险审核模型识别而直接判定待审核的图片没有对应的风险，这样将整体减少图片审核的时间。

S203、根据各个通用子模型输出的审核结果，将待审核的图片在风险审核模型中对应的至少一个风险子模型进行微调，得到待审核的图片在风险审核模型中对应的至少一个微调后的风险子模型。

在本步骤中，电子设备可以根据各个通用子模型输出的审核结果，将待审核的图片在风险审核模型中对应的至少一个风险子模型进行微调，得到待审核的图片在风险审核模型中对应的至少一个微调后的风险子模型。具体地，通用审核模型输出特定的标签可以用作对风险审核模型的输出结果的微调。在得到最终的风险识别结果时，现阶段主要的做法是将审核模型的结果中特定标签的置信度与预定阈值进行比较，进而判定是否存在风险。然而由于模型准确率等问题，有时会出现因为置信度不足或超过了阈值，从而判定结果错误，最后在业务端被漏出或者误杀。然而，某些通用审核模型的标签与某些风险审核模型的标签往往具有强相关性，基于强相关性这种关系，本申请实施例可以根据通用审核模型输出的结果对审核风险模型的结果进行微调，共同得到最终的风险识别结果，从而提高审核系统的准确率。除了通用审核模型的标签与某些风险审核模型的标签有强相关性以外，有些标签组合的出现也可能是互斥、同时出现算风险等特殊情况；当这种标签组合出现时，往往可以不用再进行置信度的比较等对结果进行后处理的工作，从而给出最终的风险识别结果。

S204、将待审核的图片输入至对应的至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果。

S205、基于各个风险子模型输出的审核结果判定出待审核的图片的最终审核结果。

本申请实施例提出的图片审核方法，先将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；然后根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；再将待审核的图片输入至该至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果；最后基于各个风险子模型输出的审核结果判定出待审核的图片的最终审核结果。也就是说，本申请可以基于层级结构的模型对图片进行审核，将通用审核模型作为底层模型；将风险审核模型作为高层模型；通过层级结构的设计，可以筛选出合理被使用的审核风险的模型，从而可以减少审核风险的模型的数目，进一步减少了审核时间。而在现有的图片审核方法中，一张图片需要依次经过多个风险模型，再将所有的风险模型的计算结果进行汇总审核，得到最终的风险识别结果。因为本申请采用了基于层级结构的模型对图片进行审核的技术手段，克服了现有技术中审核效率和准确率往往不能兼得，从而导致审核的效率下降的技术问题，以及由于模型准确率不够，导致输出问题标签的置信度不高或者过高，造成风险图片的漏出或者无风险图片的误杀，对线上业务造成风险的技术问题，本申请提供的技术方案，可以有效地提高图片审核的效率，同时还可以保证图片审核的准确率；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图片审核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，图片审核方法可以包括以下步骤：

S301、将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；其中，通用审核模型包括至少一个通用子模型。

S302、根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，风险审核模型包括至少一个风险子模型。

S303、将待审核的图片输入至该至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果。

S304、若各个风险子模型输出的审核结果中存在至少两个审核结果满足预先设置的合并条件，则将各个风险子模型输出的审核结果中的至少两个审核结果进行合并，得到合并后的审核结果。

在本步骤中，若各个风险子模型输出的审核结果中存在至少两个审核结果满足预先设置的合并条件，则电子设备可以将各个风险子模型输出的审核结果中的至少两个审核结果进行合并，得到合并后的审核结果。例如，“存在低俗风险”等价于“存在低俗风险”、“不存在敏感内容风险”和“不存在文字风险”，因此，本申请可以将“存在低俗风险”、“不存在敏感内容风险”和“不存在文字风险”合并为“存在低俗风险”，将其作为待审核的图片的最终审核结果。

S305、基于合并后的审核结果判定出待审核的图片的最终审核结果。

图4是本申请实施例提供的图片审核框架的结构示意图。如图4所示，该审核框架可以包括：图片输入单元、通用模型单元、风险审核单元和风险判定单元；其中，1)图片输入单元：根据审核系统的需要，从本地图片库存或者网络环境中获取图片；2)通用模型单元：对所有风险类型的特征总结出对审核有帮助的底层标签；在这一单元进行识别；3)风险审核单元：根据通用模型单元的结果过滤掉不需要被使用的风险审核模型，后续图片将不再过这些模型；剩下的风险审核模型在这一单元对图片进行审核；4)风险判断单元：根据风险审核单元中各个风险审核模型的结果进行风险识别。

本申请提供的审核流程使用层级结构，底层为通用审核模型，高层为风险审核模型；通过通用审核模型的前置判断，将减少后续所使用风险审核模型的数目，从而在保证了准确率的情况下减少了审核时间。此外，本申请中通用审核模型的结果也会作用在风险判定单元。由于风险审核模型输出的标签、置信度产生的一些问题，通用审核模型的结果将会一起被用在风险判断流程中，因此可以对审核结果进行辅助判断，从而提高审核的准确率。

本申请提供的技术方案将风险审核流程按照层级结构进行展开，基于层级结构可以减少审核时所用到的风险审核模型数目，从而提升审核效率。基于层级结构的审核流程，各层级模型的输出结果将共同被使用在风险判定阶段，可以间接地提高审核准确率。

本申请实施例提出的图片审核方法，先将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；然后根据各个通用子模型输出的审核结果，确定待审核的图片在风险审核模型中对应的至少一个风险子模型；再将待审核的图片输入至该至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果；最后基于各个风险子模型输出的审核结果判定出待审核的图片的最终审核结果。也就是说，本申请可以基于层级结构的模型对图片进行审核，将通用审核模型作为底层模型；将风险审核模型作为高层模型；通过层级结构的设计，可以筛选出合理被使用的审核风险的模型，从而可以减少审核风险的模型的数目，进一步减少了审核时间。而在现有的图片审核方法中，一张图片需要依次经过多个风险模型，再将所有的风险模型的计算结果进行汇总审核，得到最终的风险识别结果。因为本申请采用了基于层级结构的模型对图片进行审核的技术手段，克服了现有技术中审核效率和准确率往往不能兼得，从而导致审核的效率下降的技术问题，以及由于模型准确率不够，导致输出问题标签的置信度不高或者过高，造成风险图片的漏出或者无风险图片的误杀，对线上业务造成风险的技术问题，本申请提供的技术方案，可以有效地提高图片审核的效率，同时还可以保证图片审核的准确率；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5是本申请实施例提供的图片审核装置的结构示意图。如图5所示，所述装置500包括：通用审核模块501、确定模型502、风险审核模块503和判定模块504；其中，

所述通用审核模块501，用于将待审核的图片输入至通用审核模型中的各个通用子模型中，得到各个通用子模型输出的审核结果；其中，所述通用审核模型包括至少一个通用子模型；

所述确定模块502，用于根据各个通用子模型输出的审核结果，确定所述待审核的图片在风险审核模型中对应的至少一个风险子模型；其中，所述风险审核模型包括至少一个风险子模型；

所述风险审核模块503，用于将所述待审核的图片输入至所述至少一个风险子模型中的各个风险子模型中，得到各个风险子模型输出的审核结果；

所述判定模块504，用于基于各个风险子模型输出的审核结果判定出所述待审核的图片的最终审核结果。

进一步的，所述通用审核模型包括但不限于以下通用子模型的至少其中之一：卡通/真实子模型、人物检测子模型、人体属性子模型、文字识别子模型；所述风险审核模型包括但不限于以下风险子模型的至少其中之一：卡通低俗识别子模型、真人低俗识别子模型、图片敏感标志物子模型、图片纯文本子模型、虚假夸大子模型、敏感文字识别子模型、文字低俗识别子模型。

进一步的，所述确定模块502，具体用于若所述通用审核子模型中的至少一个通用子模型检测出所述待审核的图片中存在人物信息，则确定所述待审核的图片在所述风险审核模型中对应的风险子模型为与所述人物信息相关联的模型。

进一步的，所述确定模块502，具体用于若所述通用审核子模型中的至少一个通用子模型检测出所述待审核的图像中存在文字信息，则确定所述待审核的图片在所述风险审核模型中对应的风险子模型为与所述文字信息相关联的模型。

进一步的，所述确定模块502，具体用于若所述通用审核子模型中的至少一个通用子模型检测出所述待审核的图片为卡通图片或者真实图片，则确定所述待审核的图片在所述风险审核模型中对应的风险子模型为所述卡通图片相关联的模型或者所述真实图片相关联的模型。

进一步的，所述风险审核模块503，还用于根据各个通用子模型输出的审核结果，将所述待审核的图片在所述风险审核模型中对应的至少一个风险子模型进行微调，得到所述待审核的图片在所述风险审核模型中对应的至少一个微调后的风险子模型；执行所述将所述待审核的图片输入至所述至少一个风险子模型中的各个风险子模型中的操作。

进一步的，所述判定模块504，具体用于若各个风险子模型输出的审核结果中存在至少两个审核结果满足预先设置的合并条件，则将各个风险子模型输出的审核结果中的至少两个审核结果进行合并，得到合并后的审核结果；基于所述合并后的审核结果判定出所述待审核的图片的最终审核结果。

上述图片审核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图片审核方法。

实施例五

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。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/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元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。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如图片审核方法。例如，在一些实施例中，图片审核方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的图片审核方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图片审核方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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系统上执行和/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，可以从存储系统、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系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

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系统、装置或设备使用或与指令执行系统、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、或半导体系统、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。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，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。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算机系统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。

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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。