CN108427666A - 一种基于深度学习的印刷排版***及其方法 - Google Patents
一种基于深度学习的印刷排版***及其方法 Download PDFInfo
- Publication number
- CN108427666A CN108427666A CN201810162231.0A CN201810162231A CN108427666A CN 108427666 A CN108427666 A CN 108427666A CN 201810162231 A CN201810162231 A CN 201810162231A CN 108427666 A CN108427666 A CN 108427666A
- Authority
- CN
- China
- Prior art keywords
- picture
- deep learning
- characteristic information
- printed
- color
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/189—Automatic justification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Manufacture Or Reproduction Of Printing Formes (AREA)
- Inking, Control Or Cleaning Of Printing Machines (AREA)
- Printing Methods (AREA)
Abstract
本发明公开了一种基于深度学习的印刷排版方法,包括以下步骤:印刷排版***获取多张图片,并采集图片上的特征信息,生成训练集;印刷排版***的深度学习模型对所述训练集进行训练,并提取在所述深度学习模型的训练中所包含的图片的特征信息,印刷排版***对所述特征信息进行分析,从而完成所述深度学习模型的训练;通过印刷排版***设定印刷版面的尺寸大小;印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息,通过上述步骤S2中已完成训练的深度学习模型,结合上述步骤S3的印刷版面对待印刷图片进行颜色分类和颜色分布的排版,生成印刷图版;印刷排版***将所述印刷图版输出到印刷机组,印刷机组根据印刷图版进行生产。
Description
技术领域
本发明属于印刷自动排版技术领域,具体涉及一种基于深度学习的印刷排版***及其方法。
背景技术
彩色印刷是用彩色方式复制图像或文字的复制方式,它包含了许多步骤和转换过程,通过适当的排版分布,才能产生高质量的彩色复制品。由于现在传统印刷机以及数码印刷机的技术局限,在印刷工艺里,为了保证印刷品的上色质量,对印刷品上的同一种类的颜色,若排在相邻相近的区域,能明显提高印刷质量,如果深浅色不规则排列,或者反差大的颜色排在相邻的位置,则输出质量将会显著降低。目前,如名片,宣传单张等印刷过程中,通常不同印件需要混合拼版,以降低成本,但不同印件的颜色差别比较大,需依靠人工对文件进行跟进颜色进行分类并放在相邻或相近的区域,之后再投入到印刷生产中。基于人工对印刷品的颜色进行分类排版,此方法的工作量大,步骤繁琐耗时,生产效率低下。而且在分色排版过程中,受主观因素影响较大,不同经验的操作员做出来的效果也不尽相同,不一定能达到最佳效果,导致后续印刷成品的质量不稳定。传统颜色分类根据颜色数值分类,由于颜色绝对数值和人类感官还是有比较大的差异,颜色“重’与分布’面积大“没有必然的联系,所以传统仅靠颜色数值来分类,是不能达到要求的。
发明内容
本发明的目的是要解决人工根据文件颜色分类然后排版的技术问题,提供一种能模拟人类感官的基于文件颜色去智能地实现自动印刷排版,提高印刷工作效率和印刷质量,基于深度学习的印刷排版***及其方法。
为了解决上述问题,本发明按以下技术方案予以实现的:
本发明所述一种基于深度学习的印刷排版方法,包括以下步骤:
S1、印刷排版***获取多张图片,并采集图片上的特征信息,生成训练集;
S2、印刷排版***的深度学习模型对所述训练集进行训练,并提取在所述深度学习模型的训练中所包含的图片的特征信息,印刷排版***对所述特征信息进行分析,从而完成所述深度学习模型的训练;
S3、通过印刷排版***设定印刷版面的尺寸大小;
S4、印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息,通过上述步骤S2中已完成训练的深度学习模型,结合上述步骤S3的印刷版面对待印刷图片进行颜色分类和颜色分布的排版,生成印刷图版;
S5、印刷排版***将所述印刷图版输出到印刷机组,印刷机组根据印刷图版进行生产。
进一步地,所述步骤S4包括以下步骤:
S41、印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息;
S42、通过已完成训练的深度学习模型对所述步骤S41的特征信息进行颜色分类,生成分类组;
S43、通过已完成训练的深度学习模型对上述步骤S42生成的分类组的特征信息进行颜色分布,对分类组的待印刷图片按横向或纵向依次排列生成分布排序;
S44、印刷排版***逐一计算分类组的单个待印刷图片的面积,生成排样面积;
S45、印刷排版***根据步骤S3设定的印刷版面,结合步骤S43的分布排序和步骤S44的排样面积,在设定的印刷版面上对分类组进行排版,生成印刷图版。
进一步地,所述特征信息包括图片上的图案、图案的颜色及图案的布局。
进一步地,所述颜色分类是对同种类颜色的图案占待印刷图片的面积大小进行待印刷图片的分类;所述颜色分布是对具体色相的图案占待印刷图片的面积大小进行待印刷图片的升降排序。
一种基于深度学习的印刷排版***,所述***包括:
输入模块:用于输入图片;
设置模块:用于设定印刷版面的尺寸大小;
训练集模块:用于采集所述图片的特征信息,并生成训练集;
深度学习模块:用于对所述训练集通过深度学习模型进行训练,同时提取所述深度模型在训练时包含的特征信息,并对所述特征信息进行分析完成所述深度学习模型的训练;已完成训练的深度学习模型对图片的信息特征进行颜色分类,生成分类组;已完成训练的深度学习模型对分类组的图片进行颜色分布,生成分布排序;
排版模块:对分类组的单张图片的面积进行计算,生成排样面积;根据印刷版面的尺寸大小,结合分布排序和排样面积把图片合理的排版在印刷版面上,生成印刷图版;
输出模块:用于将所述印刷图版输出到印刷机组。
进一步地,所述深度学习模块包括:
训练单元:用于对所述训练集通过深度学习模型进行训练;
分析单元:用于提取通过所述深度学习模型进行训练中所包含的特征信息,并对特征信息进行分析,完成所述深度学习模型的训练;
分类单元:根据同种类颜色的图案占待印刷图片的面积大小,对图片进行颜色分类,生成分类组;
分布单元:根据具体色相的图案占待印刷图片的面积大小,对分类组的图片进行颜色的升降排序,把相同或接近的色相摆在相邻区域,按横向或纵向生成分布排序。
进一步地,所述排版模板包括:
排样单元:逐一计算分类组的单个待印刷图片的面积,生成排样面积;
排版单元:根据印刷版面的尺寸大小,结合分布排序和排样面积把图片合理的排版在印刷版面上,生成印刷图版。
与现有技术相比,本发明的有益效果是:
印刷排版***获取多张图片,并采集图片上的特征信息,生成训练集;印刷排版***的深度学习模型对所述训练集进行训练,并提取在所述深度学习模型的训练中所包含的图片的特征信息,印刷排版***对所述特征信息进行分析,从而完成所述深度学习模型的训练;通过印刷排版***设定印刷版面的尺寸大小;印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息,通过已完成训练的深度学习模型,结合印刷版面对待印刷图片进行颜色分类和颜色分布的排版,生成印刷图版;印刷排版***将所述印刷图版输出到印刷机组,印刷机组根据印刷图版进行生产。
解决了对印刷制品的人工分色排版的问题,基于深度学习实现了自动印刷排版,能模拟人类对颜色的感觉,代替了人工分色排版,提高印刷工作效率,确保印刷准确率从而提高印刷质量;同时训练的深度学习模型包含有图片的特征信息,提高了对图片的色系分色和排版准确率,通过适当的排版分布,产生高质量的彩色复制品,提高生产效率。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,其中:
图1是本发明的一种基于深度学习的印刷排版***的结构图。
图中:1-获取模块、2、设置模块、3-训练集模块、4-深度学习模块、41-训练单元、42-分析单元、43-分类单元、44-分布单元、5-排版模块、51-排样单元、52-排版单元、5-输出模块。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明所述的一种基于深度学习的提高印刷质量的排版方法,包括以下步骤:
S1、印刷排版***获取多张图片,并采集图片上的特征信息,生成训练集;
本实施例的实际应用中,所述图片的特征信息信息包括图片上的图案、图案色系及图案布局;精细图片采集箱获取多张图片的图片信息,通过训练集模块汇总集合生成训练集。
S2、印刷排版***的深度学习模型对所述训练集进行训练,并提取在所述深度学习模型的训练中所包含的图片的特征信息,印刷排版***对所述特征信息进行分析,从而完成所述深度学习模型的训练;
本实施例的实际应用中,所述深度模型通过VGG-16模型对训练集进行训练,其中,VGG-16模型包含:13个卷积层,2个全连接层和1个分类层。提取通过深度学习模型进行训练的同时包含特征信息,并对特征信息进行分析,将所有的特征信息进行融合,并对其进行印刷分色、颜色分布和印刷排版的分析。
S3、通过印刷排版***设定印刷版面的尺寸大小;
S4、印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息,通过上述步骤S2中已完成训练的深度学习模型,结合上述步骤S3的印刷版面对待印刷图片进行颜色分类和颜色分布的排版,生成印刷图版;
S41、印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息;
S42、通过已完成训练的深度学习模型对所述步骤S41的特征信息进行颜色分类,生成分类组;
S43、通过已完成训练的深度学习模型对上述步骤S42生成的分类组的特征信息进行颜色分布,对分类组的待印刷图片按横向或纵向依次排列生成分布排序;
S44、印刷排版***逐一计算分类组的单个待印刷图片的面积,生成排样面积;
S45、印刷排版***根据步骤S3设定的印刷版面,结合步骤S43的分布排序和步骤S44的排样面积,在设定的印刷版面上对分类组进行排版,生成印刷图版。
本实施例中,通过完成训练的深度学习模型,根据同种类颜色的图案占待印刷图片的面积大小,对待印刷图片进行颜色分类,生成分类组;根据具体色相的图案占待印刷图片的面积大小,通过完成训练的深度学习模型,对分类组的图片进行颜色的升降排序,把相同或接近的色相摆在相邻区域,按横向或纵向生成分布排序;
先设定印刷版面的尺寸大小;印刷排版***逐一计算分类组的单个待印刷图片的面积,生成排样面积;印刷排版***根据印刷版面的大小,结合分布排序和排样面积把图片合理的排版在印刷版面上,生成印刷图版。
S5、印刷排版***将所述印刷图版输出到印刷机组,印刷机组根据印刷图版进行生产。
本发明提供的一种基于深度学习的提高印刷质量的排版方法,该方法和***解决了对印刷制品的人工分色排版的问题,基于深度学习实现了自动印刷排版,能模拟人类对颜色的感觉,代替了人工分色排版,提高印刷工作效率,确保印刷准确率从而提高印刷质量;同时训练的深度学习模型包含有图片的特征信息,提高了对图片的色系分色和排版准确率,通过适当的排版分布,产生高质量的彩色复制品,提高生产效率。
如图1所示,本发明提供了一种基于深度学习的印刷排版***,所述***包括:获取模块1、设定模块2、训练集模块3、深度学习模块4、排版模块5和输出模块6。
其中,输入模块1:用于输入图片;
设置模块2:用于设定印刷版面的尺寸大小;
训练集模块3:用于采集所述图片的特征信息,并生成训练集;
深度学习模块4:包括训练单元31、分析单元32、分类单元33和分布单元34;具体地,所述训练单元31:用于对所述训练集通过深度学习模型进行训练;
所述分析单元32:用于提取通过所述深度学习模型进行训练中所包含的特征信息,并对特征信息进行分析,完成所述深度学习模型的训练;
所述分类单元33:根据同种类颜色的图案占待印刷图片的面积大小,对图片进行颜色分类,生成分类组;
所述分布单元34:根据具体色相的图案占待印刷图片的面积大小,对分类组的图片进行颜色的升降排序,把相同或接近的色相摆在相邻区域,按横向或纵向生成分布排序。
排版模块5:其包括排样单元51和排版单元52;具体地,所述排样单元51:逐一计算分类组的单个待印刷图片的面积,生成排样面积;排版单元52:根据印刷版面的尺寸大小,结合分布排序和排样面积把图片合理的排版在印刷版面上,生成印刷图版。
输出模块6:用于将所述印刷图版输出到印刷机组。
本发明所述的一种基于深度学习的印刷排版***及方法的工作原理是:印刷排版***获取多张图片,并采集图片上的特征信息,生成训练集;印刷排版***的深度学习模型对所述训练集进行训练,并提取在所述深度学习模型的训练中所包含的图片的特征信息,印刷排版***对所述特征信息进行分析,从而完成所述深度学习模型的训练;通过印刷排版***设定印刷版面的尺寸大小;印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息,通过已完成训练的深度学习模型,结合印刷版面对待印刷图片进行颜色分类和颜色分布的排版,生成印刷图版;印刷排版***将所述印刷图版输出到印刷机组,印刷机组根据印刷图版进行生产。
解决了对印刷制品的人工分色排版的问题,基于深度学习实现了自动印刷排版,能模拟人类对颜色的感觉,代替了人工分色排版,提高印刷工作效率,确保印刷准确率从而提高印刷质量;同时训练的深度学习模型包含有图片的特征信息,提高了对图片的色系分色和排版准确率,通过适当的排版分布,产生高质量的彩色复制品,提高生产效率。
本实施例所述一种基于深度学习的印刷排版方法及其***的其它结构参见现有技术。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,故凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (7)
1.一种基于深度学习的印刷排版方法,其特征在于,包括以下步骤:
S1、印刷排版***获取多张图片,并采集图片上的特征信息,生成训练集;
S2、印刷排版***的深度学习模型对所述训练集进行训练,并提取在所述深度学习模型的训练中所包含的图片的特征信息,印刷排版***对所述特征信息进行分析,从而完成所述深度学习模型的训练;
S3、通过印刷排版***设定印刷版面的尺寸大小;
S4、印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息,通过上述步骤S2中已完成训练的深度学习模型,结合上述步骤S3的印刷版面对待印刷图片进行颜色分类和颜色分布的排版,生成印刷图版;
S5、印刷排版***将所述印刷图版输出到印刷机组,印刷机组根据印刷图版进行生产。
2.根据权利要求1所述的基于深度学习的印刷排版方法,其特征在于,所述步骤S4包括以下步骤:
S41、印刷排版***获取待印刷图片,并采集待印刷图片上的特征信息;
S42、通过已完成训练的深度学习模型对所述步骤S41的特征信息进行颜色分类,生成分类组;
S43、通过已完成训练的深度学习模型对上述步骤S42生成的分类组的特征信息进行颜色分布,对分类组的待印刷图片按横向或纵向依次排列生成分布排序;
S44、印刷排版***逐一计算分类组的单个待印刷图片的面积,生成排样面积;
S45、印刷排版***根据步骤S3设定的印刷版面,结合步骤S43的分布排序和步骤S44的排样面积,在设定的印刷版面上对分类组进行排版,生成印刷图版。
3.根据权利要求1或2所述的基于深度学习的印刷排版方法,其特征在于,所述图片的特征信息包括图片上的图案、图案的颜色及图案的布局。
4.根据权利要求2所述的基于深度学习的印刷排版方法,其特征在于,所述颜色分类是对同种类颜色的图案占待印刷图片的面积大小进行待印刷图片的分类;所述颜色分布是对具体色相的图案占待印刷图片的面积大小进行待印刷图片的升降排序。
5.一种基于深度学习的印刷排版***,其特征在于,所述***包括:
输入模块(1):用于输入图片;
设置模块(2):用于设定印刷版面的尺寸大小;
训练集模块(3):用于采集所述图片的特征信息,并生成训练集;
深度学习模块(4):用于对所述训练集通过深度学习模型进行训练,同时提取所述深度模型在训练时包含的特征信息,并对所述特征信息进行分析完成所述深度学习模型的训练;已完成训练的深度学习模型对图片的信息特征进行颜色分类,生成分类组;已完成训练的深度学习模型对分类组的图片进行颜色分布,生成分布排序;
排版模块(5):对分类组的单张图片的面积进行计算,生成排样面积;根据印刷版面的尺寸大小,结合分布排序和排样面积把图片合理的排版在印刷版面上,生成印刷图版;
输出模块(6):用于将所述印刷图版输出到印刷机组。
6.根据权利要求5所述的基于深度学习的印刷排版***,其特征在于,所述深度学习模块(4)包括:
训练单元(41):用于对所述训练集通过深度学习模型进行训练;
分析单元(42):用于提取通过所述深度学习模型进行训练中所包含的特征信息,并对特征信息进行分析,完成所述深度学习模型的训练;
分类单元(43):根据同种类颜色的图案占待印刷图片的面积大小,对图片进行颜色分类,生成分类组;
分布单元(44):根据具体色相的图案占待印刷图片的面积大小,对分类组的图片进行颜色的升降排序,把相同或接近的色相摆在相邻区域,按横向或纵向生成分布排序。
7.根据权利要求5所的基于深度学习的印刷排版***,其特征在于,所述排版模块(5)包括:
排样单元(51):逐一计算分类组的单个待印刷图片的面积,生成排样面积;
排版单元(52):根据印刷版面的尺寸大小,结合分布排序和排样面积把图片合理的排版在印刷版面上,生成印刷图版。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810162231.0A CN108427666A (zh) | 2018-02-27 | 2018-02-27 | 一种基于深度学习的印刷排版***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810162231.0A CN108427666A (zh) | 2018-02-27 | 2018-02-27 | 一种基于深度学习的印刷排版***及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108427666A true CN108427666A (zh) | 2018-08-21 |
Family
ID=63157224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810162231.0A Pending CN108427666A (zh) | 2018-02-27 | 2018-02-27 | 一种基于深度学习的印刷排版***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108427666A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543899A (zh) * | 2018-11-20 | 2019-03-29 | 燕山大学 | 基于深度学习的二维轮廓排样定序方法 |
CN110083317A (zh) * | 2019-04-30 | 2019-08-02 | 贵州联合数创科技发展有限公司 | 一种提供印刷数据智能排列服务的*** |
CN111191716A (zh) * | 2019-12-26 | 2020-05-22 | 汕头东风印刷股份有限公司 | 一种印刷图片的分类方法及装置 |
CN112001154A (zh) * | 2020-08-25 | 2020-11-27 | 浙江方正印务有限公司 | 一种基于报刊版面ai自动排版设计的印刷排版***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106569991A (zh) * | 2016-10-28 | 2017-04-19 | 杭州慕锐科技有限公司 | 一种纺织印染品的花型智能排版方法 |
CN106649247A (zh) * | 2015-11-04 | 2017-05-10 | 程祺互动资讯有限公司 | 图文影像编辑***及其操作方法 |
CN107133235A (zh) * | 2016-02-29 | 2017-09-05 | 广州市动景计算机科技有限公司 | 页面重新排版方法、重新排版装置、浏览器及电子设备 |
CN107463965A (zh) * | 2017-08-16 | 2017-12-12 | 湖州易有科技有限公司 | 基于深度学习的面料属性图片采集和识别方法及识别*** |
-
2018
- 2018-02-27 CN CN201810162231.0A patent/CN108427666A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649247A (zh) * | 2015-11-04 | 2017-05-10 | 程祺互动资讯有限公司 | 图文影像编辑***及其操作方法 |
CN107133235A (zh) * | 2016-02-29 | 2017-09-05 | 广州市动景计算机科技有限公司 | 页面重新排版方法、重新排版装置、浏览器及电子设备 |
CN106569991A (zh) * | 2016-10-28 | 2017-04-19 | 杭州慕锐科技有限公司 | 一种纺织印染品的花型智能排版方法 |
CN107463965A (zh) * | 2017-08-16 | 2017-12-12 | 湖州易有科技有限公司 | 基于深度学习的面料属性图片采集和识别方法及识别*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543899A (zh) * | 2018-11-20 | 2019-03-29 | 燕山大学 | 基于深度学习的二维轮廓排样定序方法 |
CN110083317A (zh) * | 2019-04-30 | 2019-08-02 | 贵州联合数创科技发展有限公司 | 一种提供印刷数据智能排列服务的*** |
CN111191716A (zh) * | 2019-12-26 | 2020-05-22 | 汕头东风印刷股份有限公司 | 一种印刷图片的分类方法及装置 |
CN111191716B (zh) * | 2019-12-26 | 2023-08-11 | 汕头东风印刷股份有限公司 | 一种印刷图片的分类方法及装置 |
CN112001154A (zh) * | 2020-08-25 | 2020-11-27 | 浙江方正印务有限公司 | 一种基于报刊版面ai自动排版设计的印刷排版***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427666A (zh) | 一种基于深度学习的印刷排版***及其方法 | |
DE60312572T2 (de) | Verfahren und Gerät zum Konvertieren digitaler Bilder von Handzeichnungen zur weiteren Verwendung in einem strukturierten Text/Graphik Editor. | |
CN105678293A (zh) | 一种基于cnn-rnn的复杂图像字序列识别方法 | |
CN105654135A (zh) | 一种基于递归神经网络的图像文字序列识别*** | |
DE102004033145A1 (de) | Medienerfassung über Digitalbildverarbeitung | |
ATE501487T1 (de) | Segmentierung eines digitalen bildes und herstellung einer kompakten repräsentation | |
CN105469040A (zh) | 一种便于识别的答题卡及其制作方法 | |
CN106960176A (zh) | 一种基于超限学习机和颜色特征融合的行人性别识别方法 | |
CN107463866A (zh) | 一种用于成绩评价的识别手写实验报告的方法 | |
CN107031033A (zh) | 一种可3d打印的镂空二维码模型生成方法及*** | |
CN103632387A (zh) | 毛笔字帖的生成方法和*** | |
CN108763663A (zh) | 一种自动生成印刷出血位及裁剪线的印刷***及其方法 | |
DE102016212699A1 (de) | System und Verfahren zum Erzeugen eines klaren Farbmittels auf ausgeschossenen Mehrfachdurchlaufseiten | |
CN103500323A (zh) | 基于自适应灰度图像滤波的模板匹配方法 | |
EP2565816A2 (de) | Verfahren und Vorrichtung zur Erzeugung eines Barcodes auf einem Substrat | |
CN108734170A (zh) | 基于机器学习和模板的车牌字符分割方法 | |
CN109102457A (zh) | 一种基于卷积神经网络的智能化变色***及方法 | |
EP2092465B1 (de) | Verfahren und system zum automatischen aufbereiten von druckdaten für einen druckvorgang | |
CN101819683A (zh) | 一种汉字字体的重构方法 | |
CN105719296B (zh) | 基于地址-事件表示的高速图像二值连通域标记方法 | |
Kommey et al. | Automatic multiple choice examination questions marking and grade generator software | |
CN110298236A (zh) | 一种基于深度学习的盲文图像自动识别方法和*** | |
CN109741326A (zh) | 基于卷积神经网络的磁芯表面裂纹检测的确定***及方法 | |
CN108734167B (zh) | 一种被污染的胶片文字识别方法 | |
CN106814979A (zh) | 利用终端打印设备即时输出纸模的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180821 |
|
RJ01 | Rejection of invention patent application after publication |