基于YOLO的网页视频组件非侵入式检测方法技术

本发明专利技术公开了一种基于YOLO的网页中视频组件的非侵入式检测方法，首先通过爬虫和人工标注的方式获取真实视频组件检测数据集，并通过人工合成检测数据解决训练数据不足的问题；最后，利用YOLO构建视频组件检测模型，使用人工合成数据进行模型训练并利用真实数据进行测试，依据测试中的错检样本迭代更新合成数据集和模型。本发明专利技术能够高效准确地检测网页中的视频组件，而无需侵入式操作，同时，通过人工合成数据的方式解决了数据量不足和数据获取困难的问题。

【技术实现步骤摘要】

：本专利技术涉及一种基于yolo的网页视频组件非侵入式检测方法，属于计算机技术软件领域。

技术介绍

0、
技术介绍
：

1、随着互联网在人们生活中的普及，残疾人应该能够像普通人一样享受互联网带来的便利。对于视障人士而言，他们只能依靠无障碍应用来获取网页中控件的内容和使用功能，因此网页中控件的检测变得至关重要。通过进行检测，可以及时向网页开发者反馈，提醒他们修改存在无障碍问题的控件，从而提升视障人士的使用体验。

2、目前，视频控件的检测主要分为侵入式和非侵入式两种方法。侵入式方法通过获取网页源码能够准确识别控件位置，然而这种方法面临着难以获取网页源码和法律风险的问题。而传统的非侵入式方法采用模板匹配，适用于数据量较小的情况，但在视频组件具有多样化的“播放”图标时，可能会漏检视频组件。这促使我们考虑采用深度学习算法进行算法升级。然而，由于深度学习模型对数据量的要求较高，也面临着真实数据数量难以满足深度学习模型训练需求的困境

技术实现思路

0、
技术实现思路
：

1、针对以上问题和难点，本文档来自技高网...

【技术保护点】

1.基于YOLO的网页视频组件非侵入式检测方法，其特征在于，包括以下步骤：

2.根据权利1所述的基于YOLO的网页视频组件非侵入式检测方法，其特征在于：步骤S101中，爬取的图片具体要求为：图片必须为png或者jpg格式的聚焦框图片。

3.根据权利1所述的基于YOLO的网页视频组件非侵入式检测方法，其特征在于：所述步骤S102中，数据清洗的具体方法为：

4.根据权利1所述的基于YOLO的网页视频组件非侵入式检测方法，其特征在于：所述步骤S103中，人工合成网页视频组件检测数据集的步骤为：

5.根据权利1所述的基于YOLO的网页视频组件非侵入...

【技术特征摘要】

1.基于yolo的网页视频组件非侵入式检测方法，其特征在于，包括以下步骤：

2.根据权利1所述的基于yolo的网页视频组件非侵入式检测方法，其特征在于：步骤s101中，爬取的图片具体要求为：图片必须为png或者jpg格式的聚焦框图片。

3.根据权利1所述的基于yolo的网页视频组件非侵入式检测方法，其特征在于：所述步骤s102中，数据清洗的具体方法为：

4.根据权利1所述的基于yolo的网页视频组件非侵入式检测方法，其特征在于：所述步骤s103中，人工合成网页视频组件检测数据集的步骤为：

5.根据权利1所述的基于yolo的网页视频组件非侵入式检测方法，其特征在于：所述步骤s104中，基于yolo构建的视频组件检测模型结构为：

6.根据权利1所述的基于yolo...

【专利技术属性】
技术研发人员：卜佳俊，赖澄宇，周晟，李亮城，于智，王炜，
申请(专利权)人：浙江大学，
类型：发明
国别省市：