CN108121816B - 图片分类方法、装置、存储介质及电子设备 - Google Patents
图片分类方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN108121816B CN108121816B CN201711466328.2A CN201711466328A CN108121816B CN 108121816 B CN108121816 B CN 108121816B CN 201711466328 A CN201711466328 A CN 201711466328A CN 108121816 B CN108121816 B CN 108121816B
- Authority
- CN
- China
- Prior art keywords
- picture
- classified
- pictures
- picture set
- folder
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004590 computer program Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- 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
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种图片分类方法、装置、存储介质及电子设备,所述方法包括:提取待分类图片的特征点,并根据所述特征点获取对应的图片标签信息;获取多个图片集合的集合标签信息,选出所述集合标签信息与所述图片标签信息匹配的图片集合作为目标图片集合;获取所述待分类图片与所述目标图片集合内的图片的关联度,判断所述关联度是否大于预设阈值;若所述关联度大于所述预设阈值,则将所述待分类图片的存储链接地址存入所述目标图片集合。能够将图片进行有效的分类管理,将相关度高的图片存储在同一集合,方便查看。
Description
技术领域
本申请属于通信技术领域,尤其涉及一种图片分类方法、装置、存储介质及电子设备。
背景技术
随着智能终端的不断普及以及功能的不断增强,通过智能终端拍照、各类社交应用以及网页浏览会获取各种各样的照片以及图片,这样导致智能终端图库中会存储有大量的图片。
目前,对智能终端图库进行分类时,大多是根据时间地点进行分类。即通过对照片拍摄的时间、地点的读取与定位来进行对相册中的照片进行排序与分类。因此,目前的相册分类方式过于简单,仅是通过时间和地点将相册内的图片分类,导致图库内的图片杂乱。
发明内容
本申请提供一种图片分类方法、装置、存储介质及电子设备,对智能终端的图片进行合理分类。
第一方面,本申请实施例提供一种图片分类方法,应用于电子设备,所述方法包括:
提取待分类图片的特征点,并根据所述特征点获取对应的图片标签信息;
获取多个图片集合的集合标签信息,选出所述集合标签信息与所述图片标签信息匹配的图片集合作为目标图片集合;
获取所述待分类图片与所述目标图片集合内的图片的关联度,判断所述关联度是否大于预设阈值;
若所述关联度大于所述预设阈值,则将所述待分类图片的存储链接地址存入所述目标图片集合。
第二方面,本申请实施例提供一种图片分类装置,应用于电子设备,所述装置包括:
图片标签信息获取模块,用于提取待分类图片的特征点,并根据所述特征点获取对应的图片标签信息;
目标图片集合获取模块,用于获取多个图片集合的集合标签信息,选出所述集合标签信息与所述图片标签信息匹配的图片集合作为目标图片集合;
关联度判断模块,用于获取所述待分类图片与所述目标图片集合内的图片的关联度,判断所述关联度是否大于预设阈值;
处理模块,用于若所述关联度大于所述预设阈值,则将所述待分类图片的存储链接地址存入所述目标图片集合。
第三方面,本申请实施例提供一种存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行上述的图片分类方法。
第四方面,本申请实施例提供一种电子设备,包括处理器和存储器,所述存储器有计算机程序,所述处理器通过调用所述计算机程序,用于执行上述的图片分类方法。
本申请实施例提供的图片分类方法、装置、存储介质及电子设备,通过提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。图片不再按照时间或地点堆积在一起,先根据图片的图片标签信息从预先的多个图片集合中选出部分图片集合,然后根据图片与图片集合的关联度将图片进行分类。能够将图片进行有效的分类管理,将相关度高的图片存储在同一集合,方便查看。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的图片分类装置的应用场景示意图。
图2为本申请实施例提供的图片分类方法的第一种流程示意图。
图3为本申请实施例提供的图片分类方法的第二种流程示意图。
图4为本申请实施例提供的图片分类方法的第三种流程示意图。
图5为本申请实施例提供的图片分类方法的第四种流程示意图。
图6为本申请实施例提供的图片分类方法的第五种流程示意图。
图7为本申请实施例提供的图片分类方法的第六种流程示意图。
图8为本申请实施例提供的图片分类装置的第一种结构示意图。
图9为本申请实施例提供的图片分类装置的第二种结构示意图。
图10为本申请实施例提供的图片分类装置的第三种结构示意图。
图11为本申请实施例提供的图片分类装置的第四种结构示意图。
图12为本申请实施例提供的电子设备的结构示意图。
图13为本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例,其不应被视为限制本申请未在此详述的其它具体实施例。
在以下的说明中,本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明,除非另有述明。因此,这些步骤及操作将有数次提到由计算机执行,本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存***中的位置处,其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实***置,其具有由该数据格式所定义的特定特性。但是,本申请原理以上述文字来说明,其并不代表为一种限制,本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本文所使用的术语“模块”可看做为在该运算***上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算***上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施,当然也可在硬件上进行实施,均在本申请保护范围之内。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、***、产品或设备没有限定于已列出的步骤或模块,而是某些实施例还包括没有列出的步骤或模块,或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1,图1为本申请实施例提供的图片分类装置的应用场景示意图。例如,图片分类装置先获取待分类图片,然后提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;图片分类装置还获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合;若关联度小于或等于预设阈值,则不将待分类图片的存储链接地址存入目标图片集合。图片分类完成后,在电子设备的显示界面安装图片集合显示,即图片集合对应一个文件夹,图片集合内存储链接地址对应的图片显示在对应的文件内。
本申请实施例提供一种图片分类方法,该图片分类方法的执行主体可以是本申请实施例提供的图片分类装置,或者集成了该图片分类装置的电子设备,其中该图片分类装置可以采用硬件或者软件的方式实现。可以理解的是,本申请实施例的执行主体可以是诸如智能手机或平板电脑等的终端设备。
本申请实施例将从图片分类装置的角度进行描述,该图片分类装置具体可以集成在电子设备中。该图片分类方法包括:提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。
请参阅图2,图2为本申请实施例提供的图片分类方法的第一种流程示意图。本申请实施例提供的图片分类方法应用于电子设备,具体流程可以如下:
步骤101,提取待分类图片的特征点,并根据特征点获取对应的图片标签信息。
待分类图片可以为电子设备的摄像头拍摄获取的照片,也可以是通过社交软件获得的照片、图片等,还可以是通过网络浏览保持的照片或图片等。
提取待分类图片的特征点,可以根据预设算法提取出待分类图片的特征点。预设算法可以为尺度不变特征变换算法、加速稳健特征算法等。该特征点可以包括人脸图像、背景图像、物品图像、衣服图像等。然后根据这些特征点获取对应的图片标签信息,图片标签信息可以包括人物标签、旅游标签、聚会标签等。例如,待分类图片为用户A在外面旅游的一张图片,用户A在瀑布旁的合影,则可以提取出用户A的人脸图像特征点、关于瀑布的背景特征点、用户衣服的特征点等,根据这些特征点,可以获取对应的人物标签、旅游标签等。
步骤102,获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合。
图片集合也有对应的集合标签信息,表示该图片集合包括的图片的分类。集合标签信息可以包括人物标签、旅游标签、聚会标签等。将待分类图片的图片标签与各个集合的集合标签信息进行匹配,如有相同或相近的标签,则可以确定该图片集合为目标图片集合。需要说明的是,目标图片集合可以为多个,如根据旅游标签可以获得的图片集合可以包括旅游A图片集合、旅游B图片集合等。
步骤103,获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值。
选出一个或多个目标图片集合后,预测待分类图片与目标图片集合内的图片的关联度,具体的,可以通过预测模型进行预测,预测模型可以为卷积神经网络模型、循环神经网络模型或贝叶斯算法模型等。如具有同一个人脸图像的图片关联度高,相似环境的图片的关联度高。还可以通过高维数据的快速最近邻算法计算待分类图片与目标图片集合内各个图片之间的相似度,相似度高的关联度自然也高,如连拍的多张照片、同一风景点拍摄的照片、同一套衣服拍摄的照片等具有相同特征点的图片。
获取了关联度后,则将关联度与预设阈值进行比较,预设阈值根据图片集合的数量进行调整,如图片集合少,则将预设阈值设置在一个较低的值,则图片存入其中一个图片集合的概率高,图片集合的数量可以维持在一个比较少的状态。如图片集合多,则将预设阈值设置在一个较高的值,图片集合内的图片关联度强。
请参阅图3,图3为本申请实施例提供的图片分类方法的第二种流程示意图。本申请实施例提供的获取待分类图片与目标图片集合内的图片的关联度的步骤,还包括如下流程:
步骤1031,当识别到目标图片集合的集合标签信息包括人脸图像标签,则获取目标图片集合的参考人脸图像,以及待分类图片的人脸图像。
通过人脸识别算法对待分类图片进行人脸识别,得到一个或多个人脸图像。然后根据人脸图像之间的大小比较、位置比较等,删除一些误入镜头的人脸图像。还可以通过区分图片的前景图像和背景图像,然后只识别前景图像中的人脸图像。
目标图片集合的参考人脸图像可以从目标图片集合中选出一个辨识度高的人脸图像为参考人脸图像。该参考人脸图像也可以替换。目标图片集合可以用户A的个人图片集合,即该目标集合内的图片都有用户A。此时可以将用户A的人脸图像作为该目标图片集合的参考人脸图像。
步骤1032,识别人脸图像与参考人脸图像是否匹配。
然后将待分类图片的人脸图像与参考人脸图像进行比对匹配,不需要再对目标图片集合内的图片一一比对匹配,只需与一个参考人脸图像比对匹配集合。如果目标图片集合对应多人合照的话,则可以提取多个人脸图像作为多个参考人脸图像,然后将待分类图片的人脸图像与多个参考人脸图像进行比对匹配。
步骤1033,若匹配,则设置待分类图片与目标图片集合内图片的关联度大于预设阈值。
若待分类图片的人脸图像与参考人脸图像匹配,则认为该待分类图片与目标图片集合内图片的关联度比较大,将两者的关联度设置为大于预设阈值。
步骤104,若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。
若关联度大于预设阈值,则将待分类图片的存储链接地址存入对应的目标图片集合。需要说明的是,仅将待分类图片的存储链接地址存入目标图片集合,而不是变更待分类图片的物理存储区域,如此,可以方便的大量快速的调整图片的分类,不会对存储器进行大量多次擦写,造成存储器性能降低。而且方便下次重新对图片进行分类。
分类完成后,可以将各个图片存储链接地址集合对应的图片分类显示。例如,将智能手机的图库中的所有图片按上述实施例进行分类,然后在显示界面进行显示。在进行文件夹显示时,只需要显示缩略图,当全屏显示时,才通过图片的存储链接地址将图片全屏显示。不需要对图片的物理存储地址进行重新分配,只需将图片的存储链接地址划分到对应的集合,然后按照集合显示其包括的图片。需要说明的是,也可以根据划分后的图片集合将图片的物理存储区域重新分配。
请参阅图4,图4为本申请实施例提供的图片分类方法的第三种流程示意图。本申请实施例提供的将待分类图片的存储链接地址存入目标图片集合的步骤之后,还包括如下流程:
步骤105,每个图片集合对应一个文件夹显示,每个文件夹内包括图片集合内存储链接地址对应的图片。
图片分类后,每个图片集合对应一个文件夹显示,如在对应的显示界面,显示多个文件夹,每个文件夹对应一个图片集合。每个图片集合内的存储链接地址对应的图片显示在对应的文件夹内。需要说明的是,图片可以仅是通过存储链接地址显示在文件内,而实际存储的物理存储区域没有变化,也可以实际存储的物理存储区域也跟随图片集合变化,同一图片集合内的图片存储在相邻的物理存储区域。
步骤106,文件夹内的图片根据图片的相似度进行排列显示。
图片在文件夹内可以按照时间顺序依次排列显示。也可以根据图片的相似度排列显示。具体的,可以为先获取一张图片为预设排列图片,然后再剩下的图片中选取与其相似度最高的图片,并将该图片与预设排列图片相邻排列显示,然后再获取与该图片相似度最高的图片与其相邻排列显示,以此类推。还可以获取与预设排列图片相似度大于一定值的图片放在一起显示,然后再从剩下的图片中再选出一张图片,接着获取该新选出的图片相似度大于一定值的图片放在一起显示,以此类推。
请参阅图5,图5为本申请实施例提供的图片分类方法的第四种流程示意图。本申请实施例提供的将待分类图片的存储链接地址存入目标图片集合的步骤之后,还包括如下流程:
步骤107,根据预设移动指令,将预设图片从一个图片集合对应的文件夹内移动至文件夹外的空白区域。
图片分类装置识别到预设移动指令,并根据该预设移动指令将预设图片从一个图片集合对应的文件中移出,并拖动到该文件夹外的空白区域。如用户将一张图片从一个文件夹中剪切或复制到文件夹外的空白区域。
步骤108,设置新的图片集合,并将预设图片的存储链接地址存入新的图片集合,新的图片集合对应一个新的文件夹显示。
生成新的文件夹,并将该预设图片移入该新的文件夹内。同时,对应新的文件夹生成一个新的图片集合,该预设图片的存储链接地址存入该新的图片集合。该图片的图片标签信息也为该新的图片集合的集合标签信息。如此,用户可以快速方便的新建一个图片集合,将部分图片分类到该图片集合。例如,用户新建一个用户B的图片集合,先将一张用户B的图片移动至文件夹外的空白处,然后设置新的图片集合的集合标签信息,如仅保留人脸信息的集合标签信息。还可以再将另一张不同环境下的用户B的图片放入该新的文件夹,强化人脸信息的集合标签信息。
请参阅图6,图6为本申请实施例提供的图片分类方法的第五种流程示意图。本申请实施例提供的将待分类图片的存储链接地址存入目标图片集合的步骤之后,还包括如下流程:
步骤1091,获取图片集合内存储链接地址的存储数量。
步骤1092,若存储数量少于预设存储数量阈值,则将图片集合对应的文件夹显示在第一预设文件夹内。
将一些存储链接地址数量较少的图片集合合并显示在一个特定的文件下,如此在图片显示的第一层界面,简化文件夹选项,突出重点,如用户A的图片集合,不会显示界面凌乱,有非常多的文件夹,而文件夹内的图片只有一张或几张。
请参阅图7,图7为本申请实施例提供的图片分类方法的第六种流程示意图。本申请实施例提供的图片分类方法应用于电子设备,具体流程可以如下:
步骤201,获取两张待分类图片的相似度。
步骤202,若相似度大于预设相似度阈值,则选取其中一待分类图片为目标待分类图片。
步骤203,提取目标待分类图片的特征点;并根据目标特征点获取对应的图片标签信息。
步骤204,获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合。
步骤205,获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值。
步骤206,若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合,同时将与目标待分类图片相似度大于预设相似度阈值的待分类图片存入目标图片集合。
当检测到有2张图片需要进行分类时,先对2张图片进行相似度判断,当2张图片的相似度较大时,则选出一张图片作为目标待分类图片,然后将该目标带分类图片根据上述实施例中的图片分类方法进行分类,将其存入对应的目标图片集合,存入目标图片集合的同时,将与其相似度较大的其他图片也存入该目标图片集合,提高效率。需要说明的是,不仅可以检测2张图片的相似度,也可以检测多张图片之间的相似度,然后选出一张图片作为目标待分类图片,最后再一起存入同一个目标图片集合。可以是图片直接存入目标图片集合对应的物理存储区域,也可以是图片的存储链接地址存入目标图片集合。
由上可知,本申请实施例提供的图片分类方法,通过提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。图片不再按照时间或地点堆积在一起,先根据图片的图片标签信息从预先的多个图片集合中选出部分图片集合,然后根据图片与图片集合的关联度将图片进行分类。能够将图片进行有效的分类管理,将相关度高的图片存储在同一集合,方便查看。
请参阅图8,图8为本申请实施例提供的图片分类装置的第一种结构示意图。其中该图片分类装置500应用于电子设备,该图片分类装置500包括图片标签信息获取模块501、目标图片集合获取模块502、关联度判断模块503和处理模块504。其中:
图片标签信息获取模块501,用于提取待分类图片的特征点,并根据特征点获取对应的图片标签信息。
待分类图片可以为电子设备的摄像头拍摄获取的照片,也可以是通过社交软件获得的照片、图片等,还可以是通过网络浏览保持的照片或图片等。
提取待分类图片的特征点,可以根据预设算法提取出待分类图片的特征点。预设算法可以为尺度不变特征变换算法、加速稳健特征算法等。该特征点可以包括人脸图像、背景图像、物品图像、衣服图像等。然后根据这些特征点获取对应的图片标签信息,图片标签信息可以包括人物标签、旅游标签、聚会标签等。例如,待分类图片为用户A在外面旅游的一张图片,用户A在瀑布旁的合影,则可以提取出用户A的人脸图像特征点、关于瀑布的背景特征点、用户衣服的特征点等,根据这些特征点,可以获取对应的人物标签、旅游标签等。
目标图片集合获取模块502,用于获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合。
图片集合也有对应的集合标签信息,表示该图片集合包括的图片的分类。集合标签信息可以包括人物标签、旅游标签、聚会标签等。将待分类图片的图片标签与各个集合的集合标签信息进行匹配,如有相同或相近的标签,则可以确定该图片集合为目标图片集合。需要说明的是,目标图片集合可以为多个,如根据旅游标签可以获得的图片集合可以包括旅游A图片集合、旅游B图片集合等。
关联度判断模块503,用于获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值。
选出一个或多个目标图片集合后,预测待分类图片与目标图片集合内的图片的关联度,具体的,可以通过预测模型进行预测,预测模型可以为卷积神经网络模型、循环神经网络模型或贝叶斯算法模型等。如具有同一个人脸图像的图片关联度高,相似环境的图片的关联度高。还可以通过高维数据的快速最近邻算法计算待分类图片与目标图片集合内各个图片之间的相似度,相似度高的关联度自然也高,如连拍的多张照片、同一风景点拍摄的照片、同一套衣服拍摄的照片等具有相同特征点的图片。
获取了关联度后,则将关联度与预设阈值进行比较,预设阈值根据图片集合的数量进行调整,如图片集合少,则将预设阈值设置在一个较低的值,则图片存入其中一个图片集合的概率高,图片集合的数量可以维持在一个比较少的状态。如图片集合多,则将预设阈值设置在一个较高的值,图片集合内的图片关联度强。
处理模块504,用于若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。
若关联度大于预设阈值,则将待分类图片的存储链接地址存入对应的目标图片集合。需要说明的是,仅将待分类图片的存储链接地址存入目标图片集合,而不是变更待分类图片的物理存储区域,如此,可以方便的大量快速的调整图片的分类,不会对存储器进行大量多次擦写,造成存储器性能降低。而且方便下次重新对图片进行分类。
分类完成后,可以将各个图片存储链接地址集合对应的图片分类显示。例如,将智能手机的图库中的所有图片按上述实施例进行分类,然后在显示界面进行显示。在进行文件夹显示时,只需要显示缩略图,当全屏显示时,才通过图片的存储链接地址将图片全屏显示。不需要对图片的物理存储地址进行重新分配,只需将图片的存储链接地址划分到对应的集合,然后按照集合显示其包括的图片。需要说明的是,也可以根据划分后的图片集合将图片的物理存储区域重新分配。
请参阅图9,图9为本申请实施例提供的图片分类装置的第二种结构示意图。本实施例中,图片标签信息获取模块501包括相似度获取子模块5011、选取子模块5012、提取子模块5013和处理模块5014。其中:
相似度获取子模块5011,用于获取两张待分类图片的相似度;
选取子模块5012,用于若相似度大于预设相似度阈值,则选取其中一待分类图片为目标待分类图片;
提取子模块5013,用于提取目标待分类图片的特征点;
处理模块504,还用于将目标待分类图片存入目标图片集合,同时将与目标待分类图片相似度大于预设相似度阈值的待分类图片存入目标图片集合。
当检测到有2张图片需要进行分类时,先对2张图片进行相似度判断,当2张图片的相似度较大时,则选出一张图片作为目标待分类图片,然后将该目标带分类图片根据上述实施例中的图片分类方法进行分类,将其存入对应的目标图片集合,存入目标图片集合的同时,将与其相似度较大的其他图片也存入该目标图片集合,提高效率。需要说明的是,不仅可以检测2张图片的相似度,也可以检测多张图片之间的相似度,然后选出一张图片作为目标待分类图片,最后再一起存入同一个目标图片集合。可以是图片直接存入目标图片集合对应的物理存储区域,也可以是图片的存储链接地址存入目标图片集合。
请参阅图10,图10为本申请实施例提供的图片分类装置的第三种结构示意图。本实施例中,关联度判断模块503包括人脸图像识别子模块5031、识别匹配子模块5032和关联度设置子模块5033。其中:
人脸图像识别子模块5031,用于当识别到目标图片集合的集合标签信息包括人脸图像标签,则获取目标图片集合的参考人脸图像,以及待分类图片的人脸图像。
通过人脸识别算法对待分类图片进行人脸识别,得到一个或多个人脸图像。然后根据人脸图像之间的大小比较、位置比较等,删除一些误入镜头的人脸图像。还可以通过区分图片的前景图像和背景图像,然后只识别前景图像中的人脸图像。
目标图片集合的参考人脸图像可以从目标图片集合中选出一个辨识度高的人脸图像为参考人脸图像。该参考人脸图像也可以替换。目标图片集合可以用户A的个人图片集合,即该目标集合内的图片都有用户A。此时可以将用户A的人脸图像作为该目标图片集合的参考人脸图像。
识别匹配子模块5032,用于识别人脸图像与参考人脸图像是否匹配。
然后将待分类图片的人脸图像与参考人脸图像进行比对匹配,不需要再对目标图片集合内的图片一一比对匹配,只需与一个参考人脸图像比对匹配集合。如果目标图片集合对应多人合照的话,则可以提取多个人脸图像作为多个参考人脸图像,然后将待分类图片的人脸图像与多个参考人脸图像进行比对匹配。
关联度设置子模块5033,用于若匹配,则设置待分类图片与目标图片集合内图片的关联度大于预设阈值。
若待分类图片的人脸图像与参考人脸图像匹配,则认为该待分类图片与目标图片集合内图片的关联度比较大,将两者的关联度设置为大于预设阈值。
请参阅图11,图11为本申请实施例提供的图片分类装置的第四种结构示意图。本实施例中,装置还包括文件夹显示模块505和排列显示模块506。其中:
文件夹显示模块505,用于每个图片集合对应一个文件夹显示,每个文件夹内包括图片集合内存储链接地址对应的图片。
图片分类后,每个图片集合对应一个文件夹显示,如在对应的显示界面,显示多个文件夹,每个文件夹对应一个图片集合。每个图片集合内的存储链接地址对应的图片显示在对应的文件夹内。需要说明的是,图片可以仅是通过存储链接地址显示在文件内,而实际存储的物理存储区域没有变化,也可以实际存储的物理存储区域也跟随图片集合变化,同一图片集合内的图片存储在相邻的物理存储区域。
排列显示模块506,用于文件夹内的图片根据图片的相似度进行排列显示。
图片在文件夹内可以按照时间顺序依次排列显示。也可以根据图片的相似度排列显示。具体的,可以为先获取一张图片为预设排列图片,然后再剩下的图片中选取与其相似度最高的图片,并将该图片与预设排列图片相邻排列显示,然后再获取与该图片相似度最高的图片与其相邻排列显示,以此类推。还可以获取与预设排列图片相似度大于一定值的图片放在一起显示,然后再从剩下的图片中再选出一张图片,接着获取该新选出的图片相似度大于一定值的图片放在一起显示,以此类推。
在一些实施例中,装置还包括移动模块和新建模块。其中移动模块,用于根据预设移动指令,将预设图片从一个图片集合对应的文件夹内移动至文件夹外的空白区域。新建模块,用于设置新的图片集合,并将预设图片的存储链接地址存入新的图片集合,新的图片集合对应一个新的文件夹显示。
图片分类装置识别到预设移动指令,并根据该预设移动指令将预设图片从一个图片集合对应的文件中移出,并拖动到该文件夹外的空白区域。如用户将一张图片从一个文件夹中剪切或复制到文件夹外的空白区域。生成新的文件夹,并将该预设图片移入该新的文件夹内。同时,对应新的文件夹生成一个新的图片集合,该预设图片的存储链接地址存入该新的图片集合。该图片的图片标签信息也为该新的图片集合的集合标签信息。如此,用户可以快速方便的新建一个图片集合,将部分图片分类到该图片集合。例如,用户新建一个用户B的图片集合,先将一张用户B的图片移动至文件夹外的空白处,然后设置新的图片集合的集合标签信息,如仅保留人脸信息的集合标签信息。还可以再将另一张不同环境下的用户B的图片放入该新的文件夹,强化人脸信息的集合标签信息。
在一些实施例中,装置还包括数量获取模块和显示模块。其中数量获取模块,用于获取图片集合内存储链接地址的存储数量。显示模块,用于若存储数量少于预设存储数量阈值,则将图片集合对应的文件夹显示在第一预设文件夹内。
将一些存储链接地址数量较少的图片集合合并显示在一个特定的文件下,如此在图片显示的第一层界面,简化文件夹选项,突出重点,如用户A的图片集合,不会显示界面凌乱,有非常多的文件夹,而文件夹内的图片只有一张或几张。
由上可知,本申请实施例提供的图片分类装置,通过提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。图片不再按照时间或地点堆积在一起,先根据图片的图片标签信息从预先的多个图片集合中选出部分图片集合,然后根据图片与图片集合的关联度将图片进行分类。能够将图片进行有效的分类管理,将相关度高的图片存储在同一集合,方便查看。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个模块的具体实施可参见前面的方法实施例,在此不再赘述。
本申请实施例中,图片分类装置与上文实施例中的图片分类方法属于同一构思,在图片分类装置上可以运行图片分类方法实施例中提供的任一方法,其具体实现过程详见图片分类方法的实施例,此处不再赘述。
本申请实施例还提供一种电子设备。请参阅图12,电子设备600包括处理器601以及存储器602。其中,处理器601与存储器602电性连接。
处理器600是电子设备600的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或加载存储在存储器602内的计算机程序,以及调用存储在存储器602内的数据,执行电子设备600的各种功能并处理数据,从而对电子设备600进行整体监控。
存储器602可用于存储软件程序以及单元,处理器601通过运行存储在存储器602的计算机程序以及单元,从而执行各种功能应用以及数据处理。存储器602可主要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***、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器602还可以包括存储器控制器,以提供处理器601对存储器602的访问。
在本申请实施例中,电子设备600中的处理器601会按照如下的步骤,将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中,并由处理器601运行存储在存储器602中的计算机程序,从而实现各种功能,如下:
提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;
获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;
获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;
若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。
在一些实施方式中,处理器601还用于执行以下步骤:
获取两张待分类图片的相似度;
若相似度大于预设相似度阈值,则选取其中一待分类图片为目标待分类图片;
提取目标待分类图片的特征点;
将目标待分类图片存入目标图片集合,同时将与目标待分类图片相似度大于预设相似度阈值的待分类图片存入目标图片集合。
在一些实施方式中,处理器601还用于执行以下步骤:
当识别到目标图片集合的集合标签信息包括人脸图像标签,则获取目标图片集合的参考人脸图像,以及待分类图片的人脸图像;
识别人脸图像与参考人脸图像是否匹配;
若匹配,则设置待分类图片与目标图片集合内图片的关联度大于预设阈值。
处理器601还用于执行以下步骤:
每个图片集合对应一个文件夹显示,每个文件夹内包括图片集合内存储链接地址对应的图片;
文件夹内的图片根据图片的相似度进行排列显示。
在一些实施方式中,处理器601还用于执行以下步骤:
根据预设移动指令,将预设图片从一个图片集合对应的文件夹内移动至文件夹外的空白区域;
设置新的图片集合,并将预设图片的存储链接地址存入新的图片集合,新的图片集合对应一个新的文件夹显示。
在一些实施方式中,处理器601还用于执行以下步骤:
获取图片集合内存储链接地址的存储数量;
若存储数量少于预设存储数量阈值,则将图片集合对应的文件夹显示在第一预设文件夹内。
由上述可知,本申请实施例提供的电子设备,通过提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。图片不再按照时间或地点堆积在一起,先根据图片的图片标签信息从预先的多个图片集合中选出部分图片集合,然后根据图片与图片集合的关联度将图片进行分类。能够将图片进行有效的分类管理,将相关度高的图片存储在同一集合,方便查看。
请一并参阅图13,在一些实施方式中,电子设备600还可以包括:显示器603、射频电路604、音频电路605以及电源606。其中,其中,显示器603、射频电路604、音频电路605以及电源606分别与处理器601电性连接。
显示器603可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器603可以包括显示面板,在一些实施方式中,可以采用液晶显示器(Liquid Crystal Display,LCD)、或者有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板。
射频电路604可以用于收发射频信号,以通过无线通信与网络设备或其他电子设备建立无线通讯,与网络设备或其他电子设备之间收发信号。
音频电路605可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。
电源606可以用于给电子设备600的各个部件供电。在一些实施方式中,电源606可以通过电源管理***与处理器601逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
尽管图13中未示出,电子设备600还可以包括摄像头、蓝牙单元等,在此不再赘述。
可以理解的是,本申请实施例的电子设备可以是诸如智能手机或平板电脑等的终端设备。
本申请实施例还提供一种存储介质,存储介质存储有计算机程序,当计算机程序在计算机上运行时,使得计算机执行上述任一实施例中的图片分类方法,比如:通过提取待分类图片的特征点,并根据特征点获取对应的图片标签信息;获取多个图片集合的集合标签信息,选出集合标签信息与图片标签信息匹配的图片集合作为目标图片集合;获取待分类图片与目标图片集合内的图片的关联度,判断关联度是否大于预设阈值;若关联度大于预设阈值,则将待分类图片的存储链接地址存入目标图片集合。
在本申请实施例中,存储介质可以是磁碟、光盘、只读存储器(Read Only Memory,ROM)、或者随机存取记忆体(Random Access Memory,RAM)等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
需要说明的是,对本申请实施例的图片分类方法而言,本领域普通测试人员可以理解实现本申请实施例图片分类方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,计算机程序可存储于一计算机可读取存储介质中,如存储在电子设备的存储器中,并被该电子设备内的至少一个处理器执行,在执行过程中可包括如图片分类方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。
对本申请实施例的图片分类装置而言,其各功能单元可以集成在一个处理芯片中,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,也可以采用软件功能单元的形式实现。集成的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,也可以存储在一个计算机可读取存储介质中,存储介质譬如为只读存储器,磁盘或光盘等。
以上对本申请实施例所提供的一种图片分类方法、装置、存储介质及电子设备进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种图片分类方法,应用于电子设备,其特征在于,所述方法包括:
提取待分类图片的特征点,具体包括:获取两张待分类图片的相似度,若所述相似度大于预设相似度阈值,则选取其中一所述待分类图片为目标待分类图片,提取所述目标待分类图片的特征点,并根据所述特征点获取对应的图片标签信息,其中,当所述待分类图片为人脸图像时,通过人脸识别算法对待分类图片进行人脸识别,得到多个人脸图像,根据所述待分类图片中人脸图像之间的大小比较以及位置比较,删除误入镜头的人脸图像;
获取多个图片集合的集合标签信息,选出所述集合标签信息与所述图片标签信息匹配的图片集合作为目标图片集合;
通过预测模型获取所述待分类图片与所述目标图片集合内的图片的关联度,根据所述图片集合的数量对预设阈值进行调整,其中,所述图片集合的数量越少,所述预设阈值越低,所述图片集合的数量越多,所述预设阈值越高,判断所述关联度是否大于调整后的预设阈值;
若所述关联度大于调整后的预设阈值,则将所述待分类图片的存储链接地址存入所述目标图片集合,具体包括:将所述目标待分类图片存入所述目标图片集合,同时将与所述目标待分类图片相似度大于预设相似度阈值的待分类图片存入所述目标图片集合,而不变更所述待分类图片的物理存储区域;
在显示界面上显示每个图片集合对应的文件夹,每个图片集合中的图片通过存储链接地址显示在文件内,而不变更图片的物理存储区域;
根据预设移动指令,将预设图片从一个图片集合对应的文件夹内移动至所述文件夹外的空白区域;
生成新的文件夹,将所述预设图片移入所述新的文件夹内,基于所述新的文件夹生成新的图片集合,并将所述预设图片的存储链接地址存入所述新的图片集合,将所述预设图片的图片标签信息作为所述新的图片集合的集合标签信息。
2.根据权利要求1所述的图片分类方法,其特征在于,所述获取所述待分类图片与所述目标图片集合内的图片的关联度的步骤,包括:
当识别到所述目标图片集合的集合标签信息包括人脸图像标签,则获取所述目标图片集合的参考人脸图像,以及待分类图片的人脸图像;
识别所述人脸图像与所述参考人脸图像是否匹配;
若匹配,则设置所述待分类图片与所述目标图片集合内图片的关联度大于调整后的预设阈值。
3.根据权利要求1所述的图片分类方法,其特征在于,将所述待分类图片的存储链接地址存入所述目标图片集合的步骤之后,还包括:
每个图片集合对应一个文件夹显示,每个所述文件夹内包括所述图片集合内存储链接地址对应的图片;
所述文件夹内的图片根据图片的相似度进行排列显示。
4.根据权利要求3所述的图片分类方法,其特征在于,所述待分类图片的存储链接地址存入所述目标图片集合的步骤之后,还包括:
获取所述图片集合内存储链接地址的存储数量;
若所述存储数量少于预设存储数量阈值,则将所述图片集合对应的文件夹显示在第一预设文件夹内。
5.一种图片分类装置,应用于电子设备,其特征在于,所述装置包括:
图片标签信息获取模块,用于提取待分类图片的特征点,并根据所述特征点获取对应的图片标签信息,所述图片标签信息获取模块包括:相似度获取子模块、选取子模块、提取子模块,其中,相似度获取子模块,用于获取两张待分类图片的相似度,选取子模块,用于若所述相似度大于预设相似度阈值,则选取其中一所述待分类图片为目标待分类图片,提取子模块,用于提取所述目标待分类图片的特征点,其中,当所述待分类图片为人脸图像时,通过人脸识别算法对待分类图片进行人脸识别,得到多个人脸图像,根据所述待分类图片中人脸图像之间的大小比较以及位置比较,删除误入镜头的人脸图像;
目标图片集合获取模块,用于获取多个图片集合的集合标签信息,选出所述集合标签信息与所述图片标签信息匹配的图片集合作为目标图片集合;
关联度判断模块,用于通过预测模型获取所述待分类图片与所述目标图片集合内的图片的关联度,根据所述图片集合的数量对预设阈值进行调整,其中,所述图片集合的数量越少,所述预设阈值越低,所述图片集合的数量越多,所述预设阈值越高,判断所述关联度是否大于调整后的预设阈值;
处理模块,用于若所述关联度大于调整后的预设阈值,则将所述待分类图片的存储链接地址存入所述目标图片集合,而不变更所述待分类图片的物理存储区域,所述处理模块还用于将所述目标待分类图片存入所述目标图片集合,同时将与所述目标待分类图片相似度大于预设相似度阈值的待分类图片存入所述目标图片集合;
文件夹显示模块,用于在显示界面上显示每个图片集合对应的文件夹,每个图片集合中的图片通过存储链接地址显示在文件内,而不变更图片的物理存储区域;
移动模块,用于根据预设移动指令,将预设图片从一个图片集合对应的文件夹内移动至所述文件夹外的空白区域;
新建模块,用于生成新的文件夹,将所述预设图片移入所述新的文件夹内,基于所述新的文件夹生成新的图片集合,并将所述预设图片的存储链接地址存入所述新的图片集合,将所述预设图片的图片标签信息作为所述新的图片集合的集合标签信息。
6.根据权利要求5所述的图片分类装置,其特征在于,所述关联度判断模块包括:
人脸图像识别子模块,用于当识别到所述目标图片集合的集合标签信息包括人脸图像标签,则获取所述目标图片集合的参考人脸图像,以及待分类图片的人脸图像;
识别匹配子模块,用于识别所述人脸图像与所述参考人脸图像是否匹配;
关联度设置子模块,用于若匹配,则设置所述待分类图片与所述目标图片集合内图片的关联度大于调整后的预设阈值。
7.根据权利要求5所述的图片分类装置,其特征在于,所述装置还包括排列显示模块;
所述文件夹显示模块,用于每个图片集合对应一个文件夹显示,每个所述文件夹内包括所述图片集合内存储链接地址对应的图片;
所述排列显示模块,用于所述文件夹内的图片根据图片的相似度进行排列显示。
8.一种存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求1至4任一项所述的图片分类方法。
9.一种电子设备,包括处理器和存储器,所述存储器有计算机程序,其特征在于,所述处理器通过调用所述计算机程序,用于执行如权利要求1至4任一项所述的图片分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711466328.2A CN108121816B (zh) | 2017-12-28 | 2017-12-28 | 图片分类方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711466328.2A CN108121816B (zh) | 2017-12-28 | 2017-12-28 | 图片分类方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108121816A CN108121816A (zh) | 2018-06-05 |
CN108121816B true CN108121816B (zh) | 2020-09-08 |
Family
ID=62232375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711466328.2A Expired - Fee Related CN108121816B (zh) | 2017-12-28 | 2017-12-28 | 图片分类方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108121816B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109032461B (zh) * | 2018-06-08 | 2021-08-17 | 平安科技(深圳)有限公司 | 页面中的图片位置调整方法、装置、服务器和存储介质 |
CN108875834B (zh) * | 2018-06-22 | 2019-08-20 | 北京达佳互联信息技术有限公司 | 图像聚类方法、装置、计算机设备及存储介质 |
CN109213732B (zh) * | 2018-06-28 | 2022-03-18 | 努比亚技术有限公司 | 一种改善相册分类的方法、移动终端及计算机可读存储介质 |
CN108921918B (zh) * | 2018-07-24 | 2023-05-30 | Oppo广东移动通信有限公司 | 视频创建方法及相关装置 |
CN109325518B (zh) * | 2018-08-20 | 2021-03-30 | Oppo广东移动通信有限公司 | 图像的分类方法、装置、电子设备和计算机可读存储介质 |
CN109344271A (zh) * | 2018-09-30 | 2019-02-15 | 南京物盟信息技术有限公司 | 视频人像档案处理方法及其*** |
CN109981881B (zh) | 2019-01-21 | 2021-02-26 | 华为技术有限公司 | 一种图像分类的方法和电子设备 |
CN110362702B (zh) * | 2019-05-27 | 2021-07-20 | 中国联合网络通信集团有限公司 | 图片管理方法及设备 |
CN110390029A (zh) * | 2019-06-17 | 2019-10-29 | 宁波乐印文化有限公司 | 一种照片分类方法及*** |
CN110532407A (zh) * | 2019-08-14 | 2019-12-03 | 北京超凡视幻网络科技有限公司 | 一种图片归类***及方法 |
CN110532231B (zh) * | 2019-09-02 | 2021-12-17 | Oppo(重庆)智能科技有限公司 | 文件查询方法、文件查询装置及终端设备 |
CN111191063A (zh) * | 2019-12-18 | 2020-05-22 | 南京酷派软件技术有限公司 | 图片的分类方法、装置、终端及存储介质 |
CN111159434A (zh) * | 2019-12-29 | 2020-05-15 | 赵娜 | 一种在互联网存储集群中存储多媒体文件的方法及*** |
CN111858779A (zh) * | 2020-06-05 | 2020-10-30 | 北京旷视科技有限公司 | 数据分析方法、装置、电子设备及存储介质 |
CN112231196B (zh) * | 2020-12-14 | 2021-03-16 | 平安科技(深圳)有限公司 | App埋点行为分类方法、装置、计算机设备及存储介质 |
CN113780487B (zh) * | 2021-11-15 | 2022-04-26 | 深圳市爱深盈通信息技术有限公司 | 图片分类方法、存储介质及电子设备 |
CN116302293B (zh) * | 2023-05-18 | 2024-07-05 | 荣耀终端有限公司 | 图片显示方法和设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101102489A (zh) * | 2006-07-04 | 2008-01-09 | 索尼株式会社 | 信息处理装置和方法、及程序 |
EP2608078A1 (en) * | 2011-12-23 | 2013-06-26 | Thomson Licensing | Method of automatic management of images in a collection of images and corresponding device |
CN103995889A (zh) * | 2014-06-03 | 2014-08-20 | 广东欧珀移动通信有限公司 | 图片分类方法及装置 |
CN105630915A (zh) * | 2015-12-21 | 2016-06-01 | 山东大学 | 一种移动终端中图片分类存储的方法及装置 |
CN106445995A (zh) * | 2016-07-18 | 2017-02-22 | 腾讯科技(深圳)有限公司 | 图片的分类方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326908A (zh) * | 2015-06-30 | 2017-01-11 | 中兴通讯股份有限公司 | 一种图片的管理方法、装置及终端设备 |
CN105824862A (zh) * | 2015-10-20 | 2016-08-03 | 维沃移动通信有限公司 | 一种基于电子设备的图片分类方法及电子设备 |
CN106547893A (zh) * | 2016-11-03 | 2017-03-29 | 福建中金在线信息科技有限公司 | 一种图片分类管理***及图片分类管理方法 |
CN106844492B (zh) * | 2016-12-24 | 2018-06-29 | 深圳云天励飞技术有限公司 | 一种人脸识别的方法、客户端、服务器及*** |
-
2017
- 2017-12-28 CN CN201711466328.2A patent/CN108121816B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101102489A (zh) * | 2006-07-04 | 2008-01-09 | 索尼株式会社 | 信息处理装置和方法、及程序 |
EP2608078A1 (en) * | 2011-12-23 | 2013-06-26 | Thomson Licensing | Method of automatic management of images in a collection of images and corresponding device |
CN103995889A (zh) * | 2014-06-03 | 2014-08-20 | 广东欧珀移动通信有限公司 | 图片分类方法及装置 |
CN105630915A (zh) * | 2015-12-21 | 2016-06-01 | 山东大学 | 一种移动终端中图片分类存储的方法及装置 |
CN106445995A (zh) * | 2016-07-18 | 2017-02-22 | 腾讯科技(深圳)有限公司 | 图片的分类方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108121816A (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121816B (zh) | 图片分类方法、装置、存储介质及电子设备 | |
US10115015B2 (en) | Method for recognizing a specific object inside an image and electronic device thereof | |
CN108762611B (zh) | 一种应用图标的管理方法、装置及可读存储介质 | |
US20140019912A1 (en) | System and method for processing sliding operations on portable terminal devices | |
CN111857508B (zh) | 任务管理方法、装置及电子设备 | |
CN111866392B (zh) | 拍摄提示方法、装置、存储介质及电子设备 | |
WO2019105457A1 (zh) | 图像处理方法、计算机设备和计算机可读存储介质 | |
CN108228776B (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN113126838A (zh) | 应用图标整理方法、装置和电子设备 | |
CN113272803A (zh) | 从电子装置检索智能信息的方法和设备 | |
CN107765853A (zh) | 应用关闭方法、装置、存储介质及电子设备 | |
CN106294549A (zh) | 一种图像处理方法及终端 | |
CN107508964A (zh) | 一种移动终端的照片存储和查看方法、装置及存储介质 | |
CN110022397B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN106250916A (zh) | 一种筛选图片的方法、装置及终端设备 | |
CN112181253A (zh) | 信息显示方法、装置和电子设备 | |
CN108062405B (zh) | 图片分类方法、装置、存储介质及电子设备 | |
CN114205447A (zh) | 电子设备的快捷设置方法、装置、存储介质及电子设备 | |
CN105528428A (zh) | 一种图像显示方法及终端 | |
CN103984415A (zh) | 一种信息处理方法及电子设备 | |
CN111598128A (zh) | 用户界面的控件状态识别、控制方法、装置、设备及介质 | |
CN113497835A (zh) | 多屏交互方法、电子设备及计算机可读存储介质 | |
CN115016710B (zh) | 应用程序推荐方法 | |
US11297242B2 (en) | Imaging apparatus which generates title images for classifying a plurality of captured images and inserts the title images as separate images within the plurality of captured images | |
CN115700845A (zh) | 人脸识别模型训练方法、人脸识别方法、装置及相关设备 |
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 | ||
CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200908 |
|
CF01 | Termination of patent right due to non-payment of annual fee |